LU2Net：用于实时 underwater 图像增强的轻量级网络

计算机视觉技术已使 underwater 机器人能够有效地承担诸多任务，包括目标跟踪和路径规划。然而，光的折射和吸收等 underwater 光学因素给 underwater 视觉带来了挑战，导致 underwater 图像退化。已提出多种 underwater 图像增强方法以提高 underwater 视觉感知效果。然而，对于 underwater 机器人上的实时视觉任务，仍需克服算法效率和实时性之间的挑战。本文提出了 Lightweight Underwater Unet（LU2Net），这是一种专为实时增强 underwater 图像而设计的新型 U 形网络。该模型采用轴向深度可分离卷积和通道注意力模块，显著降低计算需求和模型参数，从而提高处理速度。在针对数据集和真实 underwater 机器人进行的大量实验表明，所提出模型在性能和速度方面表现卓越，能够以当前最先进的 underwater 图像增强方法的 8 倍速度提供高质量增强后的 underwater 图像。此外，LU2Net 能够处理实时 underwater 视频增强。