MARS：面向水下目标检测与域泛化的多尺度自适应机器人视觉
机器人学
2023-12-27 v1
摘要
水下机器人视觉面临重大挑战，需要先进的解决方案来提升性能和适应性。本文提出MARS（多尺度自适应机器人视觉），一种针对多样化水下场景的水下目标检测新方法。MARS集成了残差注意力YOLOv3与域自适应多尺度注意力（DAMSA），以增强检测精度并适应不同领域。在训练过程中，DAMSA引入了基于域类别的注意力，使模型能够强调特定领域的特征。我们在多个水下数据集上的综合评估展示了MARS的性能。在原始数据集上，MARS达到了58.57%的平均精度（mAP），展示了其在检测海胆、海星、海参、扇贝和水草等关键水下目标方面的能力。这一能力有望应用于海洋机器人、海洋生物学研究和环境监测。此外，MARS在缓解域偏移方面表现出色。在包含所有增强（+域+残差+通道注意力+多尺度注意力）的增强数据集上，MARS达到了36.16%的mAP。这一结果强调了其在识别物体以及在各种水下条件下良好表现的鲁棒性和适应性。MARS的源代码已在GitHub上公开，网址为https://github.com/LyesSaadSaoud/MARS-Object-Detection/。
引用
@article{arxiv.2312.15275,
title = {MARS: Multi-Scale Adaptive Robotics Vision for Underwater Object Detection and Domain Generalization},
author = {Lyes Saad Saoud and Lakmal Seneviratne and Irfan Hussain},
journal= {arXiv preprint arXiv:2312.15275},
year = {2023}
}