基于CSLS-CycleGAN的侧扫声纳水下目标图像样本扩增法

打开文本图片集

摘 要：

针对侧扫声纳水下目标图像稀缺，获取难度大、成本高，导致基于深度学习的目标检测模型性能差的问题，结合光学域类目标数据集丰富的现状，提出一种基于通道和空间注意力（channel and spatial attention， CSA）模块、最小二乘生成对抗生成网络（least squares generative adversarial networks， LSGAN）及循环对抗生成网络（cycle generative adversarial networks， CycleGAN）的侧扫声纳水下目标图像样本扩增方法。（剩余21495字）