AquaFeat：一种用于水下目标检测的基于特征的图像增强模型
计算机视觉与模式识别
2025-08-19 v1
摘要
水下环境中严重的图像退化会损害目标检测模型，因为传统的图像增强方法通常并未针对此类下游任务进行优化。为解决这一问题，我们提出了 AquaFeat，一种新颖的即插即用模块，用于执行任务驱动的特征增强。我们的方法集成了一个多尺度特征增强网络，该网络与检测器的损失函数进行端到端训练，确保增强过程被明确引导以细化与检测任务最相关的特征。当与 YOLOv8m 集成并在具有挑战性的水下数据集上进行测试时，AquaFeat 实现了最先进的精确率（0.877）和召回率（0.624），以及具有竞争力的 mAP 分数（[email protected] 为 0.677，mAP@[0.5:0.95] 为 0.421）。通过在提供这些精度提升的同时保持 46.5 FPS 的实用处理速度，我们的模型为海洋生态系统监测和基础设施检查等实际应用提供了一种有效且计算高效的解决方案。
引用
@article{arxiv.2508.12343,
title = {AquaFeat: A Features-Based Image Enhancement Model for Underwater Object Detection},
author = {Emanuel C. Silva and Tatiana T. Schein and Stephanie L. Brião and Guilherme L. M. Costa and Felipe G. Oliveira and Gustavo P. Almeida and Eduardo L. Silva and Sam S. Devincenzi and Karina S. Machado and Paulo L. J. Drews-Jr},
journal= {arXiv preprint arXiv:2508.12343},
year = {2025}
}