FenixEdu™

Dissertação

Real-Time Ship Segmentation with 3D fully connected CRF for Maritime Surveillance EVALUATED

Detalhes: Neste trabalho propôe-se um novo sistema capaz de segmentar navios em tempo real durante missões de vigilância marítima realizadas usando veículos aéreos não tripulados com câmaras embutidas. A implementação requer duas etapas: (1) uma rede de segmentação capaz de produzir resultados de segmentação rápidos e confiáveis e um 3D fully connected Conditional Random Field, que melhora significativamente os resultados da segmentação através da adição de correlações temporais entre imagens consecutivas em sequências de video. Adicionalmente, devido à escassez de bases de dados maritimas contendo sequências de video devidamente anotadas, criou-se uma nova base de dados composta por sequências de video sintéticas de cenários de vigilância marítima (MarSyn). As principais vantagens são a possibilidade de gerar vastos conjuntos de dados, capazes de representar situações do mundo real, sem a necessidade de recorrer ao uso do veículo real, e anotações automáticas, que removem o erro humano durante as anotações. O sistema foi treinado com imagens aéreas de navios pertencentes a diferentes bases de dados, sendo o efeito da adição de dados sintéticos durante esta fase estudado. O sistema geral é testado na base de dados Seagull e em conjuntos de teste de trabalhos anteriores de forma a ter-se uma base de comparação.
Keywords: Aprendizagem automática, deteção e segmentação de navios, segmentação de instâncias em tempo real, 3D fully connected CRF, conjunto de dados sintéticos, vigilância marítima.

Discussão: junho 28, 2022, 16:0