面向水下船舶检测的多标签视频分类

当前船舶船体检测，包括外部涂层检查、缺陷探测以及其他如腐蚀与海生物附着等外部退化，由遥控潜水器（ROVs）在水下完成。检测过程依赖人工视频分析，耗时且费力。为此，我们提出一种利用深度学习与计算机视觉的自动视频分析系统，以改进现有仅考虑水下船体视频检测中单帧空间信息的方法。通过探索加入时序信息的益处并分析基于帧的分类器，我们提出了一种多标签视频分类模型，利用 transformer 的自注意力机制捕获连续视频帧中的时空注意力。所提方法展现出 promising 的结果，可作为水下视频检测应用未来研发的基准。