UnitModule：一种用于水下目标检测的轻量级联合图像增强模块

水下目标检测面临水下图像退化问题，这影响了检测器的性能。基于去噪和图像增强的水下目标检测方法通常无法提供检测器偏好的图像，或需要额外数据集。本文提出一种即插即用的水下联合图像增强模块（UnitModule），其提供检测器偏好的输入图像。我们设计了无监督学习损失，用于 UnitModule 与检测器的联合训练而无需额外数据集，以改善 UnitModule 与检测器之间的交互。此外，设计了带有辅助偏色损失的偏色预测器以及一种称为水下颜色随机迁移（UCRT）的数据增强，以提升 UnitModule 在不同偏色水下图像上的性能。在 DUO 数据集上针对不同目标检测模型进行了大量实验，其中 UnitModule 为 YOLOv5-S 取得了 2.6 AP 的最高性能提升，并在全新测试集（$\text{URPC}_{test}$）上获得 3.3 AP 的提升。并且 UnitModule 显著提升了我们所测试的所有目标检测模型的性能，尤其是参数量少的模型。此外，参数量仅 31K 的 UnitModule 对原始目标检测模型的推理速度影响很小。我们的定量与可视化分析也证明了 UnitModule 在增强输入图像和提升检测器对目标特征感知能力方面的有效性。代码见 https://github.com/LEFTeyex/UnitModule。