受美国防部战略环境研究与开发计划（SERDP）资助，宾夕法尼亚州立大学和新罕布什尔大学将两种神经网络架构用于声纳图像处理，可准确检测和分类水下未爆炸物。
水下未爆炸物对军事人员较为危险，需有效的探测手段予以探测和清除。在使用成像声纳进行低频声波探测时，可依据水下未爆炸物的共振散射效应进行检测和分类。研究人员提出了两种神经网络架构，并应用于成像声纳。第一种架构利用循环神经网络模拟共振现象，产生相邻图像间的相关性，区分未爆炸物与人造杂物和自然物体；第二种架构利用潜在目标3D正交投影图像，捕捉特定形状呈现的特定共振散射效应，以分类水下未爆炸物。在神经网络训练方面，研究人员提出了两种方法，第一种利用双向卷积长短期记忆模型，挖掘二维图像间的相关性；第二种是针对更精细的亚共振效应，利用联合训练交叉视图模型，并结合递归网络结构，捕获图像间的相关性。经过真实三维合成孔径声纳数据集验证，所提方法即使在训练数据集有限的情况下，与当前常用算法相比，仍具有良好的检测与分类能力。

　　这项研究将神经网络与成像声纳图像处理技术相结合，无需大量训练数据，即可准确检测与分类水下未爆炸物，更适用于难以形成大数据集的水下声纳成像领域。