复杂水下场景中小目标检测的多维协同增强方法

《Electronics》：Multi-Dimensional Collaborative Enhancement Method for Small-Object Detection in Complex Underwater Scenarios

　　

摘要

水下物体检测面临尺度变化、光线衰减、散射以及不均匀照明等挑战，这些因素会削弱纹理和边界特征，同时增加背景干扰，尤其是对于小型和远距离的物体。为解决这些问题，本研究提出了一种多维度协同增强框架。特征增强模块通过异构卷积分支和残差学习整合局部信息与上下文信息。基于空间注意力的空间金字塔池化模块将多尺度池化与空间注意力相结合，以抑制无关的背景响应。软最近邻插值模块通过按响应比例进行最近邻上采样，在恢复分辨率的同时调节特征强度，并支持跨层级融合。在UTDAC2020、Brackish和RUOD数据集上的实验表明，该框架在不同水下条件下都能带来稳定提升。与YOLOv11基准模型相比，该方法在UTDAC2020、Brackish和RUOD数据集上的精度分别提升了5.56%、3.37%和0.81%。这些结果证明了该框架在处理包含小型物体在内的多尺度水下物体检测任务中的有效性。