自監督學習在合成孔徑聲吶目標識別中的應用
BW Sheffield
美國巴拿馬城海軍水面作戰中心

1 引言
在自主水下航行器（AUVs）中應用計算機視覺面臨著獨特的挑戰，因為海洋環境往往條件不可預測且極為嚴苛。傳統計算機視覺研究主要依賴光學相機成像，而在光照不足、懸浮沉積物及水體渾濁的水下環境中難以適用。因此，聲吶成像，尤其是其衍生技術——合成孔徑聲吶（SAS），成為水下成像的首選。搭載SAS的AUV能夠掃描海底生成高分辨率圖像，其細節表現遠超其他類型的聲吶。然而，SAS圖像雖然細節豐富，但數據量巨大，給標注工作帶來了極大挑戰，而標注又是訓練深度神經網絡（DNN）不可或缺的一步。

與傳統機器學習方法相比，DNN因其能夠自主從數據中學習特征而受到廣泛關注，無需專家手工設計特征。然而，DNN的顯著限制在于其對大規模標注數據和強大計算資源的依賴。在SAS領域，不僅標注數據稀缺，且獲取難度遠高于傳統相機圖像。

近年來，隨著計算能力和數據量的增長，自監督學習（SSL）逐漸興起。SSL無需標簽即可讓模型從數據中學習特征，因而為解決SAS數據標注不足問題提供了潛在途徑。本研究旨在評估兩種主流SSL算法——MoCov2 [1] 和 BYOL [2]，與經典監督學習模型ResNet18 [3]在二分類SAS圖像識別任務上的表現（如圖1所示）。SSL模型在真實世界SAS數據上進行預訓練，以學習有用特征，并與監督學習基準進行對比。