一种用于检测驱动的水下图像增强的生成方法

在本文中，我们介绍了一种专门用于改善水下领域潜水员检测的图像增强生成模型。具体而言，我们提出了一种将基于生成对抗网络（GAN）的图像增强与潜水员检测任务相集成的模型。我们提出的方法重构了 GAN 目标函数，以纳入预训练潜水员检测器的信息，旨在生成能够提升检测器在恶劣视觉条件下准确性的图像。通过将检测器输出纳入生成器和判别器网络，我们的模型能够专注于增强图像超越美学品质，并具体改善对水肺潜水员的机器人检测。我们在大型水肺潜水员数据集上使用最先进的潜水员检测器训练我们的网络，并展示了其在人类-机器人团队海洋探索所采集图像上的效用。实验评估表明，我们的方法相比原始未增强图像显著提升了潜水员检测性能，甚至优于在最先进的水下图像增强算法输出上的检测性能。最后，我们在嵌入式设备上展示了我们网络的推理性能，以突显在移动机器人平台上板载运行的可行性。