水下图像增强是否为所有目标检测器之所需？

水下目标检测是海洋工程与水下机器人中一个关键且具有挑战性的问题。其困难部分源于由光的选择性吸收与散射所导致的水下图像退化。直观上，增强水下图像有益于水下目标检测等高层应用。然而，是否所有目标检测器都需要将水下图像增强作为预处理仍不清楚。因此我们提出疑问“水下图像增强是否真正改善水下目标检测？”以及“水下图像增强如何促进水下目标检测？”。围绕这两个问题，我们开展了广泛研究。具体而言，我们使用18种最先进的水下图像增强算法，涵盖传统、基于CNN与基于GAN的算法，对水下目标检测数据进行预处理。随后，我们利用不同算法增强所得的结果重新训练7种流行的基于深度学习的目标检测器，得到126个水下目标检测模型。结合使用原始水下图像重新训练的7个目标检测模型，我们利用这133个模型全面分析水下图像增强对水下目标检测的影响。我们期望本研究能为回答上述问题提供充分探索，并引起学界对水下图像增强与水下目标检测联合问题的更多关注。预训练模型与结果已公开并可定期更新。项目页面：https://github.com/BIGWangYuDong/lqit/tree/main/configs/detection/uw_enhancement_affect_detection。