Terrain characterisation for online adaptability of automated sonar processing: Lessons learnt from operationally applying ATR to sidescan sonar in MCM applications

要約

サイドスキャンソナー画像に対する自動認識 (ATR) アルゴリズムのパフォーマンスは、安全でない環境に導入すると急速に低下することがわかっています。
複雑な海底や音響アーチファクトは、強力なテクスチャパターンの形で注意をそらすものを構成し、誤検出を引き起こしたり、真の物体の検出を妨げたりします。
この論文では、自律型潜水機 (AUV) ミッション中の説明可能性を向上させるための 2 つのオンライン海底特性評価手法を紹介します。
重要なことは、この分野での以前の研究とは対照的に、これらの技術はモデルに基づいておらず、人間のオペレーターからの限られた入力しか必要としないため、リアルタイムのオンボード処理に適しているということです。
どちらの技術も教師なし機械学習アプローチに依存して、地形の複雑さに対する人間の理解に関連する地形特徴を抽出します。
最初の手法では、ATR アルゴリズムのパフォーマンスに基づいて、アプリケーション主導型の定量的な地形特性評価メトリックを提供します。
2 番目の方法は、主題の専門知識を組み込む方法を提供し、シナリオに依存した主観的な地形の特徴付けをサポートする文脈化と説明可能性を可能にします。
地形の複雑さは経験豊富なユーザーの期待に一致しており、従来の教師なしアプローチと比較して、このツールは望ましいものであり、信頼できるものになっています。
最後に、SeeByte 自律フレームワーク Neptune で実行される地雷対策 (MCM) ミッションを修復するためのこれらの技術の応用について詳しく説明します。

要約(オリジナル)

The performance of Automated Recognition (ATR) algorithms on side-scan sonar imagery has shown to degrade rapidly when deployed on non benign environments. Complex seafloors and acoustic artefacts constitute distractors in the form of strong textural patterns, creating false detections or preventing detections of true objects. This paper presents two online seafloor characterisation techniques to improve explainability during Autonomous Underwater Vehicles (AUVs) missions. Importantly and as opposed to previous work in the domain, these techniques are not based on a model and require limited input from human operators, making it suitable for real-time onboard processing. Both techniques rely on an unsupervised machine learning approach to extract terrain features which relate to the human understanding of terrain complexity. The first technnique provides a quantitative, application-driven terrain characterisation metric based on the performance of an ATR algorithm. The second method provides a way to incorporate subject matter expertise and enables contextualisation and explainability in support for scenario-dependent subjective terrain characterisation. The terrain complexity matches the expectation of seasoned users making this tool desirable and trustworthy in comparison to traditional unsupervised approaches. We finally detail an application of these techniques to repair a Mine Countermeasures (MCM) mission carried with SeeByte autonomy framework Neptune.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google