基于 RT-DETR 与数据增强的实时海洋目标检测提升

海洋目标检测面临小目标尺寸和真实 RGB 数据标注限制等基本挑战。本文将提出一种基于 RT-DETR 的实时目标检测系统，通过采用增强后的合成图像并严格在真实数据上进行评估来提升性能。该研究通过结合多尺度特征融合、降低不确定性的查询选择以及合成与真实训练样本之间的智能权重策略，在海洋环境中应用 RT-DETR。DETR 的融合模块增强了对小目标、低对比度舰船的检测，查询选择聚焦于最可靠的候选提议，而权重策略有助于减少合成域与真实域之间的视觉差异。该设计保留了 DETR 的精细端到端集合预测，同时允许用户在推理阶段在速度与精度之间进行调整。还采用了数据增强技术来平衡数据集中不同类别，从而提高模型的鲁棒性和准确性。本研究提供了一个完整的 Python 稳健海洋检测管道，能够在实际限制下维持实时性能。还验证了每个模块的贡献，以及该系统在极端光照或海况下的处理方式。本研究还包括对各构建模块贡献进行量化分析的组件分析，以探索其相互作用。