人工智能时代的水下目标检测：现状、挑战与未来
计算机视觉与模式识别
2024-10-10 v1
摘要
水下目标检测（UOD）旨在识别和定位水下图像或视频中的物体。由于水下场景中的光学畸变、水体浑浊和光照变化，UOD面临着重大挑战。近年来，基于人工智能（AI）的方法，尤其是深度学习方法，在UOD中展现出良好的性能。为进一步促进未来发展，我们对基于AI的UOD进行了全面研究。在本综述中，我们首先将现有算法分为基于传统机器学习的方法和基于深度学习的方法，并从学习策略、实验数据集、所用特征或框架以及学习阶段等方面对其进行总结。接着，我们讨论了潜在挑战并提出了可能的解决方案和新方向。我们还通过考虑多样化和有偏的实验设置，在多个基准数据集上对主流算法进行了定量和定性评估。最后，我们介绍了两种现成的检测分析工具——Diagnosis和TIDE，它们能很好地检查物体特征和各种类型错误对检测器的影响。这些工具有助于识别检测器的优缺点，为后续改进提供见解。源代码、训练好的模型、使用的数据集、检测结果和检测分析工具已在\url{https://github.com/LongChenCV/UODReview}公开，并将定期更新。
引用
@article{arxiv.2410.05577,
title = {Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future},
author = {Long Chen and Yuzhi Huang and Junyu Dong and Qi Xu and Sam Kwong and Huimin Lu and Huchuan Lu and Chongyi Li},
journal= {arXiv preprint arXiv:2410.05577},
year = {2024}
}