Unterwasserdetektion von Munitionsaltlasten auf Sonarbildern durch Convolutional Neural Networks

In dieser Bachelorarbeit werden Munitionsaltlasten auf Sonarbildern mit Hilfe von verschiedenen Convolutional Neural Networks detektiert. Dabei wird der Einfluss von Transfer Learning, Data Augmentation und der Variation der Datenmenge untersucht. Zu diesem Zweck werden mehrere neuronale Netze auf Basis von Faster R-CNN und SSD trainiert und evaluiert. Auf Testbildern wird so ein mAP-Wert von 0,763 und ein Recall von 0,897 erreicht.