图像增强和物体检测的联合优化技术基于用于水下目标检测的遗传算法

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 机器学习 机器学习

背景情况:

• 水下图像遭受着色彩扭曲和雾,降低了对象检测.
• 当前的方法经常将图像增强和对象检测分开,从而限制了性能.
• 增强和检测之间缺乏有效的相互作用,阻碍了准确性.

研究的目的:

• 为水下图像增强和物体检测提出一个新的联合优化框架.
• 为了提高物体检测在水下图像下降的准确性.
• 为了利用基因算法 (GA) 进行自适应参数调整.

主要方法:

• 一个联合优化框架,集成一个水下图像增强模块 (UIEM) 和一个物体检测模块 (ODM).
• 使用具有平均平均精度 (mAP) 的基因算法 (GA) 作为健身函数来优化增强参数.
• 使用进化操作 (选择,交叉,突变) 进行自适应调.

主要成果:

• 拟议的框架显著提高了URPC2019和UTDAC2020数据集的对象检测性能.
• 最先进的探测器 (YOLOv5,更快的R-CNN,RetinaNet) 通过联合优化显示了更高的准确性.
• 在具有挑战性的水下环境中表现出有效性.

结论:

• 在水下应用中,图像增强和物体检测的联合优化至关重要.
• 基于GA的框架有效地弥合了增强和检测之间的差距.
• 这种方法为改善水下物体检测精度提供了强大的解决方案.