《Frontiers in Artificial Intelligence》:FSD-Net: underwater object detection based on frequency and spatial domain feature enhancement
编辑推荐:
面对复杂水下视觉条件导致的严重漏检与误检,研究人员提出了FSD-Net,一种基于频域与空间域联合特征增强的新型水下目标检测模型。该研究设计了频率注意力卷积模块(FACM)以减少漏检,并引入了多维特征增强模块(MFEM)以抑制误检。在UTDAC2020和Brackish数据集上的实验表明,FSD-Net在保持高效的同时,检测精度达到了最先进水平,为可靠的水下自主探测提供了稳健的解决方案。
广阔而神秘的海洋蕴藏着丰富的资源,对全球能源需求和经济发展至关重要。然而,对海洋的探索却面临着重重挑战。传统的水下探测方法不仅计算成本高,而且严重依赖人工参数调优,难以满足日益增长的应用需求。更令人头疼的是,水下环境本身就像一个天然的“视觉干扰器”——浑浊的水体导致图像模糊不清,微小的目标难以辨认;而许多海洋生物又进化出了高超的伪装本领,与背景几乎融为一体,让探测器“真假难辨”。这些因素直接导致了现有检测模型在复杂水下场景中出现严重的漏检(该发现的没发现)和误检(把背景当目标)问题,严重阻碍了可靠、高效的自主水下探测技术的实现。为了攻克这些水下视觉的“顽疾”,一项题为“FSD-Net: underwater object detection based on frequency and spatial domain feature enhancement”的研究在《Frontiers in Artificial Intelligence》上发表,提出了一种创新的解决方案。
为了应对上述挑战,研究人员没有选择传统的、独立于检测流程的图像增强后处理方式,而是另辟蹊径,将增强机制深度嵌入到特征学习过程本身。他们提出了一种名为FSD-Net的全新水下目标检测框架。其核心创新在于两个专门设计的模块:频率注意力卷积模块(FACM)和多维特征增强模块(MFEM)。FACM被集成在特征提取的主干网络(Backbone)中,它利用傅里叶变换(Fourier Transform)在空间域和频域之间进行转换,旨在有效保留和提取低层的全局空间语义信息(如目标的边缘和轮廓),从而改善深层网络中空间细节与通道语义的融合,提高定位精度,减少漏检。MFEM则被放置在用于特征融合的颈部网络(Neck)中,它通过对空间和通道维度进行并行加权,再进行残差相加和通道拼接,来增强高层语义特征,强调有效的前景信息,同时抑制水下噪声和背景干扰,从而降低误检。整个研究在UTDAC2020和Brackish这两个公开的水下目标检测数据集上进行了广泛的实验验证,包括与主流检测算法的对比以及消融研究,以评估所提出模型和模块的有效性。
FSD-Net在复杂水下环境中实现了最先进的检测性能。
通过在UTDAC2020和Brackish数据集上的测试表明,FSD-Net显著超越了基线模型YOLOv11s及其他主流检测算法。具体而言,在UTDAC2020数据集上,FSD-Net取得了85.7%的AP50(平均精度,交并比阈值为50%)和82.5%的F1分数,相较于基线模型AP50提升了3.8%。在Brackish数据集上,其性能更为突出,达到了98.1%的AP50和97.0%的F1分数,AP50提升了3.9%。这些结果证明了FSD-Net在强干扰水下环境中的卓越鲁棒性和高精度。
频率注意力卷积模块(FACM)有效缓解了特征错位,提升了定位能力。
研究人员将FACM集成到主干网络中,通过频域变换来保持低层空间语义的连续性。消融实验证实,FACM的引入显著改善了水下目标的定位准确性。其工作原理是通过傅里叶变换将特征图转换到频域,利用自注意力机制在频域对特征进行交互和加权,过滤掉与噪声相关的高频成分,同时通过一个可学习的向量来增强与目标相关的高频特征。这个过程有助于在深层网络中更好地对齐低层边缘信息和高层语义信息,从而直接减少了因特征错位而导致的漏检。
多维特征增强模块(MFEM)通过跨维度语义交互显著增强了特征表示,抑制了误报。
MFEM被设计用于处理水下噪声对深层语义特征的干扰。该模块对输入特征在通道、高度和宽度三个维度上分别进行平均池化、卷积编码和Sigmoid激活加权,然后将三个维度的加权特征求和融合。通过这种多维度协同注意力机制,MFEM能够自适应地强调信息丰富的语义内容,有效抑制背景噪声,提升模型对前景目标的感知鲁棒性。实验结果表明,MFEM的加入显著降低了模型在高浑浊度水下环境中的误报率。
FSD-Net确立了一种“特征域内禀增强与检测一体化”的新范式。
本研究的核心贡献不仅在于提出了FACM和MFEM两个有效模块,更在于其理念的创新。FSD-Net打破了传统的“分离增强+分离检测”流水线,建立了一种新的范式:增强不再是检测任务的辅助步骤,而成为特征表示学习的内在组成部分。通过将FACM和MFEM嵌入到中间特征层次中,模型在特征提取的同时,就完成了低层空间-语义对齐、高频噪声抑制和多维特征加权,无需任何离线的图像增强、额外的数据预处理或解耦的优化阶段。这种一体化设计确保了整个模型能够针对最终的检测目标进行连贯优化,避免了独立增强策略可能造成的信息损失和领域差异。
综上所述,这项研究成功提出并验证了FSD-Net这一新型水下目标检测器。其融合频域与空间域的联合增强策略,有效缓解了水下图像退化带来的挑战,为解决复杂水下环境中的目标检测难题提供了一个强大而实用的方案。实验充分证明了FSD-Net及其核心模块在提升检测精度、减少漏检和误报方面的卓越有效性。更为重要的是,该研究提出的双模块内嵌式增强设计,为复杂视觉环境下检测模型的优化提供了切实可行的参考范式。未来,研究团队的工作重点将集中在模型的轻量化优化上,以进一步推动其在实际水下探测任务中的应用。这项研究不仅推动了水下目标检测技术的发展,也为更广泛的、在恶劣视觉条件下的机器感知问题提供了新的解决思路。