近日，智能车辆团队论文《Sonar Image Generation by MFA-CycleGAN for Boosting Underwater Object Detection of AUVs》在IEEE Journal of Oceanic Engineering上发表。

针对水下前视声纳图像样本稀缺的问题，本文提出了一个改进的MFA-CycleGAN前视声纳图像生成方法。该方法面向声纳图像生成任务的特殊需求，同时考虑到前视声纳图像与卫星遥感图像在成像技术和特征表达上的相似性，对原始CycleGAN的网络架构和损失函数进行了改进，旨在以一种低成本、高效率的方式生成前视声纳图像。

本文提出一种新颖的前视声纳图像生成算法。本研究的主要贡献可归纳如下：

1）本研究提出了一个多粒度特征对齐循环一致生成对抗网络(Multi-granular Feature Alignment CycleGAN, MFA-CycleGAN)，以一种低成本的方式利用卫星遥感图像生成前视声纳图像。

2）MFA-CycleGAN包括有域内对齐和域间对齐结构，其中域间对齐通过跨域鉴别器实现，域内对齐由基于特征聚合的生成器和基于余弦离散变换的循环一致性损失函数实现。

3）该方法生成的声纳图像比CycleGAN更好，在定量指标上，IS、FID、KID和LPIPS分别提高了15.2%、56.9%、42.6%和7.6%。在可用性上，生成的声纳图像帮助YOLOv6目标检测器的平均检测精度提高了48.1%。

论文作者：周健群、李洋、秦洪懋、代鹏纹、赵子龙、胡满江

论文链接：https://ieeexplore.ieee.org/document/10472044