一种混合Bi-LSTM和RBM方法,用于先进的水下物体检测
Manimurugan S1,2, Karthikeyan P3, Narmatha C1
1Faculty of Computers and Information Technology, University of Tabuk, Tabuk City, Kingdom of Saudi Arabia.
PloS one
|November 22, 2024
概括
本研究介绍了一种混合Bi-LSTM-RBM模型,用于有效的水下物体检测 (UOD). 这种新的方法通过在具有挑战性的水生环境中准确识别物体来增强深海勘探.
科学领域:
- 海洋机器人 海洋机器人
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 深海资源开发需要有效的水下勘探.
- 高压水下环境对自主运行构成重大挑战.
- 准确的水下物体检测 (UOD) 对海洋机器人和资源管理至关重要.
研究的目的:
- 开发和评估用于增强水下物体检测 (UOD) 的混合模型.
- 提高自主水下勘探系统的效率和准确性.
- 解决UOD在复杂,高压力海洋环境中的挑战.
主要方法:
- 提出了一种混合模型,将双向长短期内存 (Bi-LSTM) 和受限制的博尔茨曼机器 (RBM) 结合起来.
- 使用Bi-LSTM捕获长期依赖和双向序列处理.
- 用RBM来进行有效的层次和抽象特征学习.
主要成果:
- BiLSTM-RBM模型在盐和URPC 2020数据集上表现出卓越的性能.
- 获得了很高的准确性,包括98.5%的大鱼检测在盐水数据集.
- 该模型成功地在URPC数据集中以98%的准确度识别了星鱼.
结论:
- 该BiLSTM-RBM模型非常适合强大的水下物体检测 (UOD).
- 这种混合方法为自主水下勘探和深海资源开发提供了重大进步.
- 该模型有效地捕捉复杂的模式,减轻消失梯度问题,并处理可变长度序列.
