多级特征融合增强用于水下物体检测
Zhanhao Xiao1,2, Zhenpeng Li1, Huihui Li1,2
1School of Computer Science, Guangdong Polytechnic Normal University, Guangzhou 510665, China.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
Aqua-DETR通过增强小型水生生物的特征融合和使用注意力机制来提高清晰识别来改善水下物体检测 (UOD). 这种强大的框架在具有挑战性的数据集上表现出色.
科学领域:
- 计算机视觉 计算机视觉
- 海洋生物学 海洋生物学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 水下物体检测 (UOD) 由于可见性差和光散射,具有挑战性.
- 检测小的,分组的水生生物加剧了这些困难.
研究的目的:
- 开发一个有效和强大的端到端框架,用于UOD.
- 为了解决检测小型和模糊的水下物体的局限性.
主要方法:
- 推出了Aqua-DETR,这是UOD的端到端框架.
- 开发了一种对齐分割网络,用于多尺度的特征交互和融合.
- 实施了区分增强模块,并配备了注意力机制,以改善识别.
主要成果:
- 在四个具有挑战性的UOD数据集上,Aqua-DETR表现出卓越的性能.
- 该框架有效地提高了小型和模两可的水生物体的识别.
- 在UOD任务中超越现有的最先进的方法.
结论:
- Aqua-DETR为水下物体检测提供了强大而有效的解决方案.
- 提出的方法显著改善了处理具有挑战性的水下视觉条件.
- 在各种数据集中验证了有效性和稳定性.
