用于抗噪声多尺度水下目标检测的跨长短距离注意力网络

《Neurocomputing》：Cross-long short distance attention network for noise-robust and multi-scale underwater object detection

　　摘要：在水下成像条件下，目标物体往往呈现对比度低、背景噪声强、轮廓不完整、空间分布分散以及尺度变化大的特点，这使得弱目标检测面临巨大挑战，难以实现可靠的特征提取与定位。为解决这些问题，我们提出了跨长短距离注意力网络（CLSDA-Net），这是一种用于水下弱目标检测的轻量级混合检测器。具体而言，多路径特征交互模块（MPFIM）能够增强不同尺寸目标的跨尺度特征聚合能力；跨长短距离注意力（CLSDA）模块可同时捕捉局部细节与长距离上下文依赖关系，从而提升低对比度及空间分散目标的检测精度；而精简分组瓶颈卷积（Re-GBC）模块则在嘈杂的水下背景下抑制冗余计算，同时强化轻量级特征提取。我们在统一的工作站环境下，使用UATD和DUO数据集进行了实验。结果表明，CLSDA-Net在UATD数据集上的mAP@0.5值为85.9%，在DUO数据集上为84.7%，同时GFLOPs降低了14.3%，推理速度提升了62.5% FPS，相比重新训练的YOLO11基准模型分别提升了5.4%和3.9个百分点。这些结果表明，在所评估的条件下，CLSDA-Net具有用于实际水下目标检测的潜力。

引言：近年来，面向海洋的研究与探索取得了显著进展[1]，涵盖资源开发[2]、深海探测[3]、物种发现[4]以及自然规律研究[5]等多方面任务。尽管这些海洋相关任务的具体目标各异，但它们都与众多陆地应用有着共同的技术基础，比如目标检测[6]、自主导航[7]以及智能故障诊断[8]，即对环境的精准感知与目标的准确识别。然而与陆地环境相比，水下环境存在诸多复杂挑战。低光照、严重的光吸收与散射、颜色失真以及水体浊度差异等因素，都会严重降低视觉清晰度，增加水下环境理解与目标识别的难度[9]。如图1所示，水下目标检测主要依靠光学和声学两种成像方式。尽管这两种方式的物理原理不同，但都面临着同样的问题——图像质量严重下降，表现为对比度低、背景噪声高以及目标信号弱[10]。这类图像质量问题会极大限制目标特征的辨识度，使得强大可靠的检测变得极为困难[11]。为解决上述问题，Chen等人[12]在被动声纳检测中采用小波变换进行特征提取，并结合带有自适应分类器的多层感知器进行分类；Kucukbayrak等人[13]则将手工设计的特征与拓扑隐马尔可夫模型相结合用于水下信号识别。类似地，Yu等人[14]利用灰度直方图与几何特征，结合马尔可夫随机场进行分割与聚类分析；Wei Shen等人[15]则开发了一种自动鱼类计数系统，该系统结合K最近邻背景减除技术与DeepSort跟踪算法，利用ARIS声纳数据在高浊度环境中实现了73%的识别精度。随着深度学习的兴起，卷积神经网络逐渐被广泛应用于水下图像识别领域。Cao等人[16]提出了一种包含二阶池化操作的CNN架构，取得了更优的分类性能；Liu等人[17]将CNN与马尔可夫随机场相结合，用于自动声纳图像分割，在真实声纳数据集上取得了更好效果；Yang等人[18]将基于CNN的图像匹配技术应用于自主水下航行器导航，在低对比度、高噪声的声纳场景中提升了识别精度；Wang等人[19]则提出了一种通过逐步微调训练的多尺度多列CNN，其在声纳目标检测任务中表现出良好性能。不过，尽管这些方法是为声纳图像设计的，但它们最初是基于光学图像开发的，因此在捕捉声学数据的独特特征方面存在不足[20]。Rahnemoonfar等人[21]通过引入包含扩张卷积、密集模块以及Inception块的深度学习框架，解决了这一问题，用于水下声纳图像的语义分割。与此同时，注意力机制在计算机视觉、自然语言处理以及语义理解领域也日益重要，因为它能够突出关键信息的同时抑制冗余内容。与通常仅在单个特征空间内建模依赖关系的自注意力不同，交叉注意力能够促进不同模态或尺度之间的信息交流，从而提升多源特征的整合能力，增强模型在复杂场景中的辨识能力。在水下成像领域，Hu等人[22]设计了挤压激励模块，该模块能够利用全局上下文动态重新加权通道特征；Chen等人[23]则提出了一种双分支交叉注意力网络，用于识别图像中的主区域与次区域，从而提升小物体的检测能力。在水下检测领域，Xu等人[24]提出了一种基于交叉注意力的模型，该模型融合了低级与高级特征，以增强语义表达能力；Wang等人[25]提出了一种跨尺度特征交互网络，通过选择性特征过滤来减少声纳图像分割任务中的特征丢失问题；He等人[26]则结合了通道注意力与空间注意力机制，通过可学习参数实现局部与全局信息的有效捕获，同时消除冗余内容；Guan等人[27]提出了WaterMamba，这是一种基于状态空间模型的水下图像增强方法，能够以线性复杂度高效提升质量低下的水下图像。尽管基于深度学习的检测器在陆地应用中已取得显著进展，但将其应用于水下场景时仍面临三个相互关联的严峻挑战：第一是弱信号与低对比度问题——水下目标的强度往往与背景杂波相当，边界也不清晰，这给特征提取带来了极大困难；第二是大规模尺度变化问题——由于距离不同以及成像方式的不同，目标的大小差异很大，因此需要一种既能保留小目标精细的空间细节，又能对大目标进行语义抽象的多尺度表示方法；第三是精度与效率之间的平衡问题——诸如自主水下航行器以及嵌入式声纳系统之类的水下设备，其 onboard计算资源十分有限，这就要求设计出既能在保持高检测精度的同时，又能避免过高推理开销的轻量级架构。这些挑战并非相互独立：轻量级设计往往会影响特征表示能力，而多尺度融合与上下文建模则会增加计算负担。为应对这些挑战，我们提出了一种基于深度学习的水下目标检测网络，名为跨长短距离注意力网络（CLSDA-Net）。这项工作的创新之处在于采用了以任务为导向的协同设计思路，旨在同时解决复杂水下环境下的多尺度弱目标表示、局部与长距离上下文交互以及轻量级特征提取等问题，而非重新定义所有底层操作。本研究的主要贡献如下：1）我们提出了CLSDA-Net，这是一种面向实际应用的弱目标水下检测框架，能够全面应对弱信号/低对比度、大规模尺度变化以及精度与效率之间的平衡这三重挑战。与传统将这些问题分开处理的 方法不同，CLSDA-Net在统一的架构中协同整合了跨尺度特征交互、局部与长距离上下文建模以及轻量级特征提取功能。2）多路径特征交互模块（MPFIM）旨在解决大规模尺度变化问题。与那些会丢失细节或无法传递语义的标准特征金字塔不同，MPFIM通过分层并行结构以及分辨率对齐的交叉连接，能够保留并融合小型、中型和大型目标的空间细节与语义抽象信息。3）跨长短距离注意力（CLSDA）模块则是为了解决弱信号与低对比度问题而设计的。与那些仅能独立处理局部或全局上下文的现有注意力机制不同，CLSDA采用双分支设计：短距离注意力负责捕捉细微纹理，长距离注意力用于建模全局依赖关系，而分支间的交互则可实现自适应的上下文感知式特征融合。4）我们设计了精简分组瓶颈卷积（Re-GBC）模块，用以解决精度与效率之间的平衡问题。与那些会导致特征表示能力下降的传统轻量级卷积不同，Re-GBC结合了由CSP引导的通道划分机制与带门控的多路径瓶颈结构，能够在抑制冗余计算的同时保持较高的特征表达能力。本文的其余部分结构如下：第2节回顾相关研究，第3节介绍所提出的方法，第4节为案例研究一：基于声纳数据的水下目标检测，第5节为案例研究二：基于光学数据的水下目标检测，报告实验结果，第6节对全文进行总结。

相关研究：为阐明CLSDA-Net的设计思路，本节从三个直接影响我们设计的核心挑战角度，回顾现有的水下目标检测方法：多尺度表示、上下文依赖关系建模以及注重效率的架构设计。

方法论：本节重点介绍用于水下弱目标检测的基于深度学习的检测网络模型，将从四个方面进行阐述：整体检测框架、CLSDA-Net的设计理念、跨长短距离注意力（CLSDA）模块以及精简分组瓶颈卷积（Re-GBC）模块。

数据集描述：UATD数据集[55]是一个为大规模水下目标检测而设计的大型基准数据集，它使用的是多频激光声纳技术。该数据集包含由Tritech Gemini1200ik声纳采集的8,400幅未经像素级处理且未转换为扇区形式图像的图像数据。这一特性对于评估复杂水下环境中的检测模型至关重要。该数据集涵盖了10种不同的目标类别，包括几何形状各异的……

数据集描述：为进一步评估所提出的CLSDA-Net模型在水下目标检测任务中的泛化能力，我们在Detecting Underwater Objects（DUO）数据集[65]上进行了补充验证实验。DUO数据集是一种广泛使用的水下光学基准数据集，包含7,782幅图像，这些图像被标注为四种目标类别：海参、海胆、扇贝和海星。具体而言，该数据集包含6,671幅训练图像和1,111幅验证图像。如表5所示……

结论：在本研究中，我们提出了跨长短距离注意力网络（CLSDA-Net），这是一种高效且强大的水下目标检测框架，专为应对水下图像分析中的各种复杂挑战而设计，这些挑战包括高背景噪声、低对比度以及弱目标信号等问题。为有效解决这些问题，我们设计了多路径特征交互模块（MPFIM），该模块通过结构化的特征处理方式，提升了不同尺度水下目标的检测精度。

未引用参考文献[68]

利益冲突声明：作者声明不存在任何可能影响本文研究成果的已知财务利益或个人关系。

致谢：本研究得到了中国地质大学（武汉）“CUG学者”科研基金的支持（项目编号为2021236）。相关源代码及预训练模型可在https://github.com/getmeCVPR/underwater_detect地址获取。程毅伟于2016年在中国大连海事大学获得海洋工程学士学位，2021年在中国华中科技大学机械科学与工程学院获得博士学位。他目前是中国地质大学（武汉）机械工程与电子信息学院的副教授。他的研究兴趣包括大数据分析、健康监测等领域。程毅伟|江凯|王晨|李国强|吴军中国地质大学（武汉）机械工程与电子信息学院，中国湖北省武汉市430074