Skip navigation
SuUB logo
DSpace logo

  • Home
  • Institutions
    • University of Bremen
    • City University of Applied Sciences
    • Bremerhaven University of Applied Sciences
  • Sign on to:
    • My Media
    • Receive email
      updates
    • Edit Account details

Citation link: https://media.suub.uni-bremen.de/handle/elib/6579
 
copyright

Erzeugung von synthetischen Seitensichtsonar-Bildern mittels Generative Adversarial Networks


Authors: Kraus, Dieter  
Steininger, Yannik 
Meisen, Tobias  
Abstract: 
Für die Anwendung von Deep-Learning-Methoden zur automatischen Auswertung von Daten bildgebender Sonare stellt die nicht vorhandene Verfügbarkeit größerer Trainingsdatenmengen nach wie vor ein Problem dar. In den letzten Jahren wurden jedoch sogenannte Generative Adversarial Networks (GAN) als ein Werkzeug aus dem Bereich Deep Learning für die Erzeugung synthetischer Daten entwickelt. In dieser Arbeit wird untersucht, inwieweit sich GANs zur Erzeugung künstlicher Sonarbilder eignen. Um das GAN auch mit wenigen Beispielen trainieren zu können, wird eine Art des Transfer-Lernens mit Hilfe von einfachen simulierten Bildern entwickelt. Es zeigt sich, dass die Performance eines Klassifikators durch Hinzunahme der künstlichen Bilder gesteigert werden kann.
Keywords: Seitensichtsonar; Autonomes Unter-Wasser-Fahrzeug; deep learning; generative Netzwerke; Transfer-Lernen
Issue Date: 2021
Publisher: DHyG
Journal/Edited collection: Hydrographische Nachrichten 
Start page: 30
End page: 34
Note: 119
Type: Artikel/Aufsatz
ISSN: 0949-5657
Institution: Hochschule Bremen 
Faculty: Hochschule Bremen - Fakultät 4: Elektrotechnik und Informatik 
Appears in Collections:Bibliographie HS Bremen

  

Page view(s)

7
checked on Mar 22, 2023

Google ScholarTM

Check


Items in Media are protected by copyright, with all rights reserved, unless otherwise indicated.

Legal notice -Feedback -Data privacy
Media - Extension maintained and optimized by Logo 4SCIENCE