一种用于水下目标检测的门控跨域协同网络
计算机视觉与模式识别
2024-01-09 v1
摘要
水下目标检测（UOD）在水产养殖与海洋环境保护中发挥着重要作用。考虑到水下环境低对比度与低光照条件带来的挑战，已有若干水下图像增强（UIE）方法被提出以改善水下图像质量。然而，仅使用增强图像并不能提升 UOD 性能，因其可能不可避免地移除或改变水下目标的关键模式与细节。相反，我们认为从两个域中探索互补信息有益于 UOD。原始图像保留了场景的自然特性与目标纹理信息，而增强图像提升了水下目标的可视性。基于此观点，我们提出一种门控跨域协同网络（GCC-Net）以应对水下环境可视性差与低对比度的挑战，其包含三个专用组件。首先，采用实时 UIE 方法生成增强图像，可改善低对比度区域中目标的可视性。其次，引入跨域特征交互模块以促进原始与增强图像特征间的交互并挖掘互补信息。第三，为防止不可靠生成结果的污染，提出门控特征融合模块以自适应控制跨域信息的融合比例。我们的方法从跨域信息交互与融合的角度提出了一种新的 UOD 范式。实验结果表明，所提 GCC-Net 在四个水下数据集上取得了最先进的性能。
引用
@article{arxiv.2306.14141,
title = {A Gated Cross-domain Collaborative Network for Underwater Object Detection},
author = {Linhui Dai and Hong Liu and Pinhao Song and Mengyuan Liu},
journal= {arXiv preprint arXiv:2306.14141},
year = {2024}
}