结构驱动特征建模机制在水下鱼类检测中的应用：一种面向边界与形态结构的渐进式方法

《Healthcare》：Translating Patient–Professional Divergence into Care-Improvement Priorities in Pelvic Floor Rehabilitation: A Delphi-Dialogue Study

　　

复杂水下环境中准确的鱼类检测因散射、低对比度、模糊、遮挡及背景干扰而具挑战性，这些因素显著劣化基于外观的表征。为解决上述问题，研究人员开发了一种渐进式结构驱动特征建模（Structure-Driven Feature Modeling）机制用于水下鱼类检测。所提机制从浅层特征中提取多尺度平滑残差，对其响应进行归一化，并利用所得结构表征引导空间特征调制，同时通过特征融合保留互补的外观信息。为实现该框架，设计了一组结构感知特征建模单元（Structure-Aware Feature Modeling Units），集成谱编码器（Spectral Encoder）、结构通道注意力（Structure Channel Attention, SCA）、多尺度结构差分（Multi-Scale Structure Difference, MSD）、结构归一化模块（Structure Normalization Module, SNM）、结构引导空间注意力（Structure-Guided Spatial Attention, SGSA）与精炼（Refine）模块，这些模块在通道与空间维度协同增强结构表征。此外，引入结构驱动特征建模方法与结构驱动融合（Structure-Driven Fusion）策略，基于所提单元实现渐进式多尺度结构学习，并促进结构与外观特征的互补交互。为支持评估，研究人员构建了具挑战性的水下鱼类检测数据集Medaka，涵盖遮挡、光照退化与复杂背景干扰。大量受控实验表明，所提方法可集成至多种基于YOLO的架构中，在相同数据集划分与评估协议下持续提升检测性能。具体而言，在YOLOv8n上，mAP0.5由0.6332升至0.6647（+3.15 pp），mAP0.5:0.95由0.2495升至0.2691（+1.96 pp），精确率（Precision）与召回率（Recall）分别提升7.55 pp与3.80 pp；在YOLOv5n、YOLOv7-tiny、YOLOv10n、YOLOv11n与YOLOv12n上亦获一致增益，佐证了所提结构驱动特征建模机制在受评YOLO家族内的有效性与跨架构可迁移性。在公开Blue Bot数据集上的补充评估显示，结构驱动YOLOv8n较YOLOv8n的mAP0.5与mAP0.5:0.95分别提升3.36 pp与1.85 pp。综上，该框架为受评水下检测场景中结构感知特征学习提供了有效方案，尤其适用于小目标、边界模糊、遮挡及视觉相似目标等挑战性情形。

研究背景与动机：自然水体中鱼类种群监测对生态系统评估与可持续渔业管理至关重要，基于视觉的水下监测因其非侵入性与连续性成为传统采样方法的有效补充。然而水下成像受光吸收与散射影响，导致对比度下降、纹理劣化与边界模糊；鱼类常部分遮挡、光照不均且与岩石植被等背景高度相似，使得依赖颜色纹理等外观线索的检测器在复杂场景中显著退化。现有三类改进路径——图像增强先验、特征级外观注意力、上下文建模——分别存在对环境敏感、仍依赖外观、易引入冗余背景等局限。结构信息（轮廓、形态）对照明与颜色变化不敏感，因此在退化环境中更具鲁棒性。基于此，研究人员提出将建模重心从外观转向结构，开展结构驱动的特征增强研究。

研究内容与结论概要：研究人员以YOLOv8为基线，在高层分辨率P3层级嵌入结构驱动特征增强网络，通过“结构分离—结构建模—结构增强”三阶段渐进机制，从浅层特征提取多尺度平滑残差、归一化后引导空间调制，并与原外观特征融合，从而在青鳉鱼（Medaka）养殖缸挑战性数据集及公开Blue Bot数据集上显著提升检测性能，证实该方法在YOLO家族内具备跨架构可迁移性。论文发表于《Healthcare》所属MDPI期刊Animals（注：依用户提供文档抬头为Animals卷16文章02519，此处按原文出处表述）。

主要关键技术方法（≤250字）：研究人员构建Medaka数据集，素材取自九州工业大学青鳉鱼稚鱼养殖缸，GoPro HERO11 Black采集1920×1080帧，隔20秒取帧并调整机位，经筛选得2080张含2–8尾鱼图像，按7:2:1分训练/验证/测试集，LabelImg标注转YOLO格式。基线采用YOLOv8n，在骨干输出F3生成P3路径中插入结构驱动特征增强网络；该网络由级联结构感知特征建模单元（含Spectral Encoder、SCA、MSD、SNM、SGSA、Refine）与结构驱动融合组件构成，于P3层做多尺度平滑残差提取与响应归一化，生成结构图引导空间注意力，再与原始RGB P3沿通道拼接经1×1卷积融合。训练统一从头初始化（无预训练权重），AdamW优化，固定随机种子0及复现种子42/1020，以验证集最高mAP^0.5选权重在held-out测试集评估。

研究结果（保留小标题）：

1. 1.
   Introduction：综述水下鱼类检测难点与现有方法不足，确立以结构信息替代外观主导的动机。
2. 2.
   Materials and Methods：2.1 Medaka Dataset Construction说明数据来源、采集与标注准则（水面倒影与部分遮挡鱼若结构可辨即标，超2/3遮挡排除）；2.2 Baseline Architecture确定YOLOv8因模块成熟性为基线；2.3 Overview of the Proposed Structure-Driven YOLOv8 Architecture阐明在F3→P3间插增强网络，输出Structure P3与RGB P3融合；2.4 Structure-Driven Modeling Principle以平滑算子近似低频、残差得高频结构，多尺度归一化与SGSA公式化；2.5 Construction of Structure-Driven Feature Enhancement Network细化各子模块（SCA/MSD/SNM/SGSA/Refine）与前向方程；2.6 Evaluation Metrics列IoU、AP、mAP^0.5、mAP^0.5:0.95等；2.7 Experimental Settings给RTX 3070、PyTorch2.1.2、300 epoch、batch16、输入640等配置。
3. 3.
   Results and Discussion：3.1 Comparison with Existing Architectures表1显示Structure-Driven YOLOv8n的mAP^0.50.6647（+3.15pp）优于原YOLOv8n及Faster R-CNN等；表2三种子复现稳定增益；3.2 Ablation Study逐模块（SCA +0.59pp mAP^0.5、SA无结构引导+0.45pp、SGSA+MSD+2.56pp、SNM+0.13pp、全组合+3.15pp）印证模块互补；3.3 Ablation on Different Feature Levels表9证P3单层增强最优，P4/P5或多层叠加无额外收益，Grad-CAM可视化显示结构增强抑制背景植被响应；3.4 Cross-Architecture Transferability表10在YOLOv5n/YOLOv7-tiny/YOLOv10n/YOLOv11n/YOLOv12n上均获一致提升，Precision增幅尤显著；3.5（原文末段提及）Blue Bot数据集跨环境验证mAP^0.5+3.36pp。

讨论与结论翻译浓缩：讨论部分指出，外观驱动方法在散射/遮挡/相似背景下判别力弱化，而结构驱动机制借由低频抑制、多尺度残差与归一化、结构引导空间调制，将表征重心转向边界与形态，在Medaka挑战集与Blue Bot跨物种集均奏效；模块贡献消融表明SCA与SGSA-MSD为主增益来源，SNM提供尺度响应稳定辅助，P3高层分辨率适配小鱼目标。结论部分原文要义为：所提渐进式结构驱动特征建模机制可有效分离并强化水下退化场景中的结构线索，在YOLOv8n及同族五款轻量架构上以可控参数量增加（YOLOv8n +0.13M参数、+1.6 GFLOPs）换取mAP^0.5与mAP^0.5:0.95一致提升，证明结构感知特征学习是应对小目标、模糊边界、遮挡与背景相似性的有效途径，且具备跨YOLO架构迁移能力；构建的Medaka数据集为后续结构感知水下检测提供基准。