一种新颖的水下图像增强与改进的水下生物检测流程
计算机视觉与模式识别
2022-05-23 v1 人工智能
摘要
对于水产养殖资源评估与生态环境监测，海洋生物的自动检测与识别至关重要。然而，由于水下图像质量低及水下生物的特性，缺乏丰富特征可能阻碍传统的手工设计特征提取方法或基于 CNN 的目标检测算法，尤其在复杂水下环境中。因此，本文的目标是在水下环境中执行目标检测。本文提出一种捕获特征信息的新颖方法，将卷积块注意力模块（CBAM）添加至 YOLOv5 主干网络。该方法降低了水下生物特性对目标特性的干扰，并增强了主干网络对目标信息的输出。此外，设计了自适应全局直方图拉伸算法（SAGHS）以消除由水下环境信息引起的低对比度与色彩丢失等退化问题，从而更好地恢复图像质量。在 URPC2021 基准数据集上的大量实验与综合评估证明了我们方法的有效性与自适应性。此外，本文对训练数据在性能中的作用进行了详尽分析。
引用
@article{arxiv.2205.10199,
title = {A Novel Underwater Image Enhancement and Improved Underwater Biological Detection Pipeline},
author = {Zheng Liu and Yaoming Zhuang and Pengrun Jia and Chengdong Wu and Hongli Xu ang Zhanlin Liu},
journal= {arXiv preprint arXiv:2205.10199},
year = {2022}
}
备注
14 pages,14 figures