[论文解读] What's Mine is Yours: Pretrained CNNs for Limited Training Sonar ATR

John McKay, Isaac D. Gerg+2 more|arXiv (Cornell University)|Jun 29, 2017

Advanced SAR Imaging Techniques参考文献 13被引用 24

一句话总结

本文提出在数据稀缺环境下，利用预训练的卷积神经网络（CNN）——特别是VGG19——作为强大的特征提取器，结合迁移学习实现合成孔径声纳（SAS）图像中自动目标识别（ATR）的高性能表现。通过在CNN提取的特征上微调支持向量机（SVM），该方法在有限的SAS数据集上实现了目标分类与检测的最先进性能，即使在高噪声和背景杂波条件下也表现出色。

ABSTRACT

Finding mines in Sonar imagery is a significant problem with a great deal of relevance for seafaring military and commercial endeavors. Unfortunately, the lack of enormous Sonar image data sets has prevented automatic target recognition (ATR) algorithms from some of the same advances seen in other computer vision fields. Namely, the boom in convolutional neural nets (CNNs) which have been able to achieve incredible results - even surpassing human actors - has not been an easily feasible route for many practitioners of Sonar ATR. We demonstrate the power of one avenue to incorporating CNNs into Sonar ATR: transfer learning. We first show how well a straightforward, flexible CNN feature-extraction strategy can be used to obtain impressive if not state-of-the-art results. Secondly, we propose a way to utilize the powerful transfer learning approach towards multiple instance target detection and identification within a provided synthetic aperture Sonar data set.

研究动机与目标

• 解决声纳ATR中训练数据有限的挑战，因为大规模数据集稀有且收集成本高昂。
• 证明即使仅有数百个训练样本，预训练CNN也可作为声纳图像分类的有效特征提取器。
• 为合成孔径声纳（SAS）图像中的多实例目标检测与识别开发一种可扩展、可并行化的处理方法。
• 评估CNN特征在真实声纳环境中常见的噪声与背景杂波下的鲁棒性。
• 建立一种基于迁移学习的强而数据高效的声纳ATR基线，其性能优于传统手工设计特征（如SIFT和HOG）

提出的方法

• 利用预训练的VGG19网络从声纳图像中提取分层卷积特征，将网络视为固定特征提取器。
• 从VGG19的最后一个全连接层（fc7）提取特征，每张图像块生成一个4096维的特征向量。
• 仅使用少量标注的训练块，在这些CNN特征上训练线性SVM分类器，实现快速且准确的分类。
• 在声纳图像上实施滑动窗口策略，生成多个图像块，每个块经CNN特征提取器处理后由SVM分类。
• 应用置信度阈值（通过交叉验证设定为0.9），若其最大SVM得分超过阈值，则将该块标记为包含目标。
• 对所有目标类别使用相同阈值，以实现一致的检测效果，彩色输出用于标识检测到的目标及其预测类别。

实验结果

研究问题

• RQ1 当仅有限训练数据可用时，预训练CNN能否作为声纳ATR的有效特征提取器？
• RQ2 在声纳图像分类任务中，基于CNN的特征性能与传统手工特征（如SIFT、HOG）相比如何？
• RQ3 通过CNN的迁移学习，能在多大程度上实现对噪声和杂波环境中目标检测的鲁棒性？
• RQ4 在CNN特征上训练的简单SVM分类器能否在极少微调的情况下实现声纳ATR的最先进性能？
• RQ5 该方法在不同目标类型（如方块、圆锥、球体、圆柱）以及不同噪声水平的合成孔径声纳图像中，泛化能力如何？

主要发现

• 所提方法仅使用数百个训练样本即在声纳图像分类任务中达到最先进性能，优于传统基于特征的方法。
• CNN-SVM流程在单个含背景杂波的声纳场景中成功检测到一个方块和一个球体，并正确分类每个检测到的图像块。
• 即使在高噪声（25 dB PSNR）条件下，该方法仍保持鲁棒检测能力，方块的边缘特征在污染后依然具有判别性。
• 相同的阈值（0.9）在所有目标类别中均有效，表明特征空间具有良好的置信度校准与泛化能力。
• 该方法对噪声和背景变化表现出强鲁棒性，检测准确率在多种噪声水平和复杂场景下均保持稳定。
• 该方法高度可并行化且可扩展，适用于大规模声纳图像处理，且计算开销极低。