基于联合自监督去模糊与改进空间变换网络的高精度水下目标检测
计算机视觉与模式识别
2022-03-10 v1
摘要
基于深度学习的水下目标检测（UOD）由于能见度退化以及难以获取来自不同视角的充足水下目标图像用于训练，仍是一项重大挑战。为解决这些问题，本文提出一种基于联合自监督去模糊与改进空间变换网络的高精度 UOD 方法。在所设计的多任务学习辅助目标检测架构中引入自监督去模糊子网络，以迫使共享特征提取模块为检测子网络输出干净特征。为缓解不同视角照片不足的局限，基于透视变换设计改进空间变换网络，在网络内自适应丰富图像特征。实验结果表明，所提 UOD 方法在 URPC2017 上取得 47.9 mAP、在 URPC2018 上取得 70.3 mAP，优于许多最先进的 UOD 方法，表明所设计方法更适用于 UOD。
引用
@article{arxiv.2203.04822,
title = {A high-precision underwater object detection based on joint self-supervised deblurring and improved spatial transformer network},
author = {Xiuyuan Li and Fengchao Li and Jiangang Yu and Guowen An},
journal= {arXiv preprint arXiv:2203.04822},
year = {2022}
}