BG-YOLO：一种用于水下目标检测的双向引导方法

退化的水下图像会降低水下目标检测的准确性。然而，现有的水下图像增强方法主要侧重于改善视觉方面的指标，这可能无益于水下图像检测任务，甚至可能导致性能严重下降。为缓解这一问题，我们提出了一种用于水下目标检测的双向引导方法，称为 BG-YOLO。在所提出的方法中，网络通过并行构建一个增强分支和一个检测分支来组织。增强分支由一个图像增强子网和一个目标检测子网级联而成。检测分支仅由一个检测子网组成。一个特征引导模块连接两个分支的浅层卷积层。在训练增强分支时，增强分支中的目标检测子网引导图像增强子网朝着最有利于检测任务的方向优化。训练后的增强分支的浅层特征图将被输出到特征引导模块，通过一致性损失约束检测分支的优化，并促使检测分支学习更详细的目标信息，从而提升检测性能。在检测任务期间，仅保留检测分支，因此不会引入额外的计算开销。大量实验表明，所提出的方法在严重退化的水下场景中显著提升了检测器的性能，同时保持了卓越的检测速度。