Virtual Underwater Datasets for Autonomous Inspections

要約

水中ビークルは、オフショア部門と科学界の水中操作の急速な進歩に後押しされて、より洗練されたものになりました。
特に、海底インフラストラクチャの評価を含む多くの水中タスクは、自律型水中車両 (AUV) の支援を受けて実行されます。
最近、人工知能 (AI) と、特にディープ ラーニング (DL) モデルとアプリケーションにブレークスルーがあり、空中無人車両、自動カー ナビゲーション、およびその他のアプリケーションを含むさまざまな分野で広く使用されています。
ただし、特定のアプリケーション用の水中データセットを取得するのが難しいため、水中アプリケーションではそれほど普及していません。
この意味で、現在の研究では、DL の分野での最近の進歩を利用して、実験室環境で撮影されたアイテムの写真から生成された特注のデータセットを構築しています。
Generative Adversarial Networks (GAN) を利用して、収集した画像と水中環境を含む写真を組み合わせることで、実験室オブジェクト データセットを水中ドメインに変換しました。
結果として得られる画像は、実際の水中船体画像と比較した場合、実際の水中環境に非常に似ていたため、このようなデータセットを作成することの実現可能性が実証されました。
したがって、水中環境の人工データセットは、現実世界の水中画像へのアクセスが制限されていることから生じる問題を克服し、水中オブジェクト画像の分類と検出を通じて水中操作を強化するために使用されます。

要約(オリジナル)

Underwater Vehicles have become more sophisticated, driven by the off-shore sector and the scientific community’s rapid advancements in underwater operations. Notably, many underwater tasks, including the assessment of subsea infrastructure, are performed with the assistance of Autonomous Underwater Vehicles (AUVs). There have been recent breakthroughs in Artificial Intelligence (AI) and, notably, Deep Learning (DL) models and applications, which have widespread usage in a variety of fields, including aerial unmanned vehicles, autonomous car navigation, and other applications. However, they are not as prevalent in underwater applications due to the difficulty of obtaining underwater datasets for a specific application. In this sense, the current study utilises recent advancements in the area of DL to construct a bespoke dataset generated from photographs of items captured in a laboratory environment. Generative Adversarial Networks (GANs) were utilised to translate the laboratory object dataset into the underwater domain by combining the collected images with photographs containing the underwater environment. The findings demonstrated the feasibility of creating such a dataset, since the resulting images closely resembled the real underwater environment when compared with real-world underwater ship hull images. Therefore, the artificial datasets of the underwater environment can overcome the difficulties arising from the limited access to real-world underwater images and are used to enhance underwater operations through underwater object image classification and detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google