基于通道稳定技术提高 underwater object 检测

复杂的海洋环境加剧了目标检测的挑战。海洋垃圾危及水生生态系统, presenting 持久的挑战。准确检测海洋垃圾对于减轻这种危害至关重要。我们的工作通过提高图像质量和评估检测方法来解决 underwater 目标检测问题。我们使用 Detectron2 的 backbone 以及各种基础模型和配置来完成此任务。我们提出一种新颖的通道稳定技术配合简化的图像增强模型以减少训练图像中的雾霾和色彩偏移,提高多尺度目标检测。随着图像处理,我们测试不同的 Detectron2 backbone 以获得最佳检测准确度。此外,我们应用锐化滤波器配合数据增强技术来突出显示目标轮廓以便更容易识别。结果在 TrashCan 数据集上展示,包括 instance 和 material 版本。最佳表现的 backbone 方法包含我们的通道稳定和数据增强技术。我们还将我们的 Detectron2 检测结果与 Deformable Transformer 进行比较。在 TrashCan 1.0 的 instance 版本中,我们的方法在小目标平均精度上实现了 9.53% 的绝对提升,边界框检测实现了 7% 的绝对收益。代码将在 Code: https://github.com/aliman80/Underwater-Object-Detection-via-Channel-Stabilization 提供。