上海大学学报(自然科学版) ›› 2025, Vol. 31 ›› Issue (1): 14-27.doi: 10.12066/j.issn.1007-2861.2562
魏成伟1, 周星宏2, 李小毛1
WEI Chengwei1, ZHOU Xinghong2, LI Xiaomao1
摘要: 基于侧扫声呐的水下沉船自主探测是水下考古的重点研究方向. 水下目标的稀缺性阻 碍了目标检测模型的训练. 为了解决这一问题, 使用基于稳定扩散模型的人工智能生成内容技 术来补充稀缺的侧扫声呐沉船实例, 通过比较多种生成式技术的效果, 论证了人工智能生成内 容技术在水下沉船探测领域的潜力. 基于该技术, 提出一种无需额外光学数据和人工标注的数 据增强方法, 称作自动扩散生成, 可用于实现高精度的水下沉船探测. 基于YOLOv8n, 运用该 方法训练的检测器在沉船探测任务中达到95.0% 的精度和96.3% 的召回率, 超出仅使用原始 数据训练的检测器1.5% 和1.8%; 基于Faster RCNN, 该方法可以同样促进水下探测的效果, 达到94.8% 的精度和97.3% 的召回率.
中图分类号: