AquaFeat+：一种面向目标检测、分类与跟踪的基于学习的水下视觉增强方法
计算机视觉与模式识别
2026-01-15 v1
摘要
水下视频分析由于低光照、颜色失真和浑浊度等因素而特别具有挑战性，这些因素会损害视觉数据质量，并直接影响机器人应用中感知模块的性能。本工作提出了 AquaFeat+，一个即插即用的流程，旨在为自动化视觉任务而非人类感知质量增强特征。该架构包括颜色校正、层次化特征增强和自适应残差输出模块，这些模块进行端到端训练，并直接由最终应用的损失函数引导。AquaFeat+ 在 FishTrack23 数据集上进行了训练和评估，在目标检测、分类和跟踪指标上均取得了显著提升，验证了其在增强水下机器人应用感知任务方面的有效性。
引用
@article{arxiv.2601.09652,
title = {AquaFeat+: an Underwater Vision Learning-based Enhancement Method for Object Detection, Classification, and Tracking},
author = {Emanuel da Costa Silva and Tatiana Taís Schein and José David García Ramos and Eduardo Lawson da Silva and Stephanie Loi Brião and Felipe Gomes de Oliveira and Paulo Lilles Jorge Drews-Jr},
journal= {arXiv preprint arXiv:2601.09652},
year = {2026}
}