变分贝叶斯超分模型

小样本抗过拟合

将贝叶斯结构引入超分辨率重建，在小样本声呐图像上训练更稳、泛化更强，区别于依赖海量数据的传统CNN方法。

Xin, Wen · Cheng, Chensheng · Lu, Li · 张飞虎 · Pan, Guang

Engineering Applications of Artificial Intelligence 2025

技术优势

小样本不易过拟合

用变分贝叶斯卷积网络替代常规CNN，通过参数分布而非固定权重来建模，提升模型在小数据集上的泛化能力。

更高效地利用特征

引入滚动区域选择方法，从声呐图像中提取感兴趣的关键特征，在不牺牲图像质量的前提下提升处理效率。

应用场景

• 水下目标识别：提升声呐图像分辨率后，目标识别算法能捕捉更精细的纹理与形状特征，减少漏检误检。
• 声呐图像处理：可直接作为声呐图像后处理中的超分增强模块，改善原始图像质量，为后续分析提供更清晰输入。