[論文レビュー] Rotation-invariant shipwreck recognition with forward-looking sonar

Gustavo Neves, Rômulo Cerqueira+2 more|arXiv (Cornell University)|Oct 11, 2019

Maritime and Coastal Archaeology参考文献 13被引用数 6

ひとこと要約

本稿では、前方指向ソナーを用いた回転不変な wreck 識別手法を提案する。ノイズと海底背景の低減を組み合わせ、方向勾配のヒストグラム（HOG）とマルチスケールスライディングウィンドウ SVM ディテクタを用いる。低誤検出率での平均真正陽性率は 87.6% を達成し、さまざまな向きに対して、Vapor da Jequitaia の wreck ような特定の沈没物体を頑健に検出可能である。

ABSTRACT

Under the sea, visible spectrum cameras have limited sensing capacity, being able to detect objects only in clear water, but in a constrained range. Considering any sea water condition, sonars are more suitable to support autonomous underwater vehicles' navigation, even in turbid condition. Despite that sonar suitability, this type of sensor does not provide high-density information, such as optical sensors, making the process of object recognition to be more complex. To deal with that problem, we propose a novel trainable method to detect and recognize (identify) specific target objects under the sea with a forward-looking sonar. Our method has a preprocessing step in charge of strongly reducing the sensor noise and seabed background. To represent the object, our proposed method uses histogram of orientation gradient (HOG) as feature extractor. HOG ultimately feed a multi-scale oriented detector combined with a support vector machine to recognize specific trained objects in a rotation-invariant way. Performance assessment demonstrated promising results, favoring the method to be applied in underwater remote sensing.

研究の動機と目的

• 光学カメラが機能しない濁った低視界の水中環境における特定の沈没物体の検出と認識の課題に対処すること。
• 高密度情報が少なく、物体認識に難しいとされるソナー画像の限界を克服すること。
• トレーニング可能で回転不変な検出システムを開発し、自律水中航行機器（AUV）が特定の標的（例：wreck）を同定・航行 toward できるようにすること。
• AUV が既知の標的をナビゲーションの基準として利用できるようにすることで、高コストのROV やダイバー作業への依存を減らす、自律点検タスクを支援すること。
• FlatFish AUV プラットフォームにこの手法を統合し、実世界の水中点検応用に応用すること。

提案手法

• センサーノイズを低減し、海底背景を抑制する前処理パイプラインを用いることで、物体の形状やエッジの可視性が向上する。
• 方向勾配のヒストグラム（HOG）を特徴抽出器として用い、標的物体の構造的特徴を表現する。
• 複数スケールの画像ピラミッドを適用し、サイズに依存しない検出を可能にする。
• 可変ステップサイズ（8×8 及び 16×16 ピクセル）のスライディングウィンドウを用い、複数の向きでソナー画像を走査して標的を特定する。
• 正例（wreck）と負例（背景）のサンプルを用いて、線形カーネルを用いたサポートベクターマシン（SVM）をトレーニングし、検出領域を分類する。
• 回転した画像（0° から 180° まで 10° 刻み）に対して性能を評価し、SVM の信頼度スコアが最大となるウィンドウを選択することで、回転不変性を確保する。

実験結果

リサーチクエスチョン

• RQ1 トレーニング可能で回転不変な認識システムは、現実の水中条件下で前方指向ソナー画像において特定の wreck を検出できるか？
• RQ2 ソナー画像に低解像度と高ノイズがある状況下で、HOG と SVM の組み合わせは水中オブジェクト検出にどの程度効果的か？
• RQ3 前処理は海底およびセンサーノイズをどの程度低減し、ソナー画像における標的の検出可能性を向上させるか？
• RQ4 ソナーを用いたオブジェクト認識におけるマルチスケール検出において、最適なスケールとスライディングウィンドウのステップサイズは何か？
• RQ5 同じ標的物体が異なる向きに配置された場合、システムの性能はどの程度であり、回転に対しても高い検出精度を維持できるか？

主な発見

• 16×16 ピクセルのステップサイズ、スケール 1.010 時に、平均真正陽性率（TPR）が 87.6% に達し、全テスト設定の中で最高性能を示した。
• 誤検出率（FPR）は一貫して低く、最大で 1.7% に留まり、標的検出における高い特異性を示している。
• スケール値が増加するにつれて性能が低下し、スケール 1.500 時に TPR が 63.8% に低下した。これは、より小さなスケールの方がより特徴的な情報を保持していることを示唆している。
• 16×16 ステップサイズは 8×8 よりも TPR と FPR の両方で優れており、検出感度と計算効率のバランスに優れていることを示している。
• 本システムは、0° から 180° の全回転角度で Vapor da Jequitaia の wreck を正常に検出できた。これにより、回転不変性が確認された。
• 図 6a と 6b の ROC 曲線は、複数のスケールとステップサイズにおいて、高い TPR と低い FPR を達成していることから、検出器の頑健性を裏付けている。