用于水下目标检测的可靠性引导超图特征融合

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：Reliability-Guided Hypergraph Feature Fusion for Underwater Object Detection

　　

• •
  分阶段精炼在跨尺度融合前稳定特征。
• •
  BiGLSSMBlock 将全局语义与小波结构线索耦合。
• •
  HGDFFusionHub 实现超图引导的语义-细节融合。
• •
  在 RUOD 和 DUO 数据集上的实验表明，所提方法相比 DEIM 基线方法取得了一致的性能提升。

引言

水下目标检测（UOD）是海洋勘探和自主操作的基础能力，其中目标漏检或定位不准确会直接危及作业安全和效率 [1]、[2]。然而，与陆地场景不同，水下场景受严重的波长相关吸收和散射影响，导致色彩偏移、对比度低和结构模糊。尽管近年来基于物理引导的恢复方法 [3]、[4] 以及先进的视觉-语言增强方案 [5]、[6]、[7] 显著改善了视觉质量，但这些方法主要针对人类感知进行优化，而非解决下游检测所需的特征级不确定性。对于 UOD 而言，这些物理退化本质上会侵蚀尺度内语义连贯性和结构完整性。因此，当传统检测器聚合这些表示时，会面临一个关键的信息融合瓶颈：退化的浅层噪声容易污染深层语义，而全局上下文则会覆盖脆弱的边界证据。因此，在如此光学退化的场景中提取和融合可靠特征仍然是实现准确 UOD 的基本挑战。

如图 1 所示，水下退化严重抑制了语义证据 [8]，并模糊了物体边界。相应的三维特征可视化揭示了主导的背景散射和弥散的目标峰值，导致对具有微弱结构线索的目标产生漏检（FN）[9]。尽管现代检测器取得了显著进步，但它们本质上难以解决此类特征不确定性。基于 CNN 的模型 [10] 擅长局部模式提取，但无法恢复退化区域的语义连续性。相反，Transformer 和 DETR 架构 [11] 能够捕获全局上下文，但缺乏对脆弱边界的显式保护。虽然特征金字塔 [12]、[13]、[14]、最新的端到端检测器 [15] 以及改进的训练和匹配框架 [16] 增强了多尺度交互或优化，但它们在水下场景中表现出不同的精度-计算权衡（见图 2）。从根本上说，这些方法将尺度内特征表示和跨尺度融合视为孤立的过程，而未评估信息可靠性。在单个尺度内，不受约束的全局更新有过度平滑微弱轮廓的风险，而局部增强可能会放大散射噪声。在跨尺度方面，传统线性融合盲目地对齐分辨率，无法调节粗粒度语义与退化浅层细节之间的严重信息冲突。因此，这种无引导的聚合可能会传播或放大误差，凸显了对分阶段解耦机制的关键需求：在执行鲁棒的跨尺度融合之前，先在尺度内建立特征可靠性。

基于上述观察，我们提出了一种用于 UOD 的可靠性引导超图特征融合框架。我们采用 D-FINE [15] 作为基础检测器，并在 DEIM 训练和匹配优化框架 [16] 下对其进行训练。在保留其余检测器架构的同时，我们引入了 BiGLSSMBlock 和 HGDFFusionHub 来解决水下特有的尺度内特征退化和跨尺度信息冲突。我们的设计并非将表示增强和跨尺度融合视为孤立的附加模块，而是遵循分阶段可靠性链。首先，水下图像形成先验为隐式特征级可靠性视角提供了概念动机，在该视角下，每个金字塔特征在跨尺度聚合之前都经过尺度内精炼。BiGLSSMBlock 通过在全局语义建模与局部小波边界线索之间建立耦合来实现第一阶段，同时施加结构置信度约束。HGDFFusionHub 则作为中间分辨率颈部特征上的多尺度中继，利用上下文条件的稀疏超图关联通过高阶关系融合来组织精炼后的特征。这一序列使得跨尺度融合依赖于精炼后的输入，而非直接混合退化的响应。

本文的主要贡献如下：

• 1.
  我们将高度退化的水下环境中的多尺度聚合问题建模为分阶段特征可靠性问题。一种受物理启发的潜在可靠性视角将水下退化的影响与内容自适应的特征建模和门控联系起来，而无需引入额外的可靠性预测分支。
• 2.
  我们提出了一种分阶段可靠性引导融合范式，将尺度内增强与跨尺度调解分离。在每个尺度内，BiGLSSMBlock 在可靠性约束下双向耦合状态空间全局上下文与小波域结构线索。在跨尺度层面，HGDFFusionHub 利用内容自适应稀疏超图拓扑来支持高阶关系融合，同时稀疏化可能反映散射相关背景响应的弱关联分配。
• 3.
  我们在 RUOD [17] 和 DUO [18] 基准数据集上对多个模型规模（S、M 和 L）进行了实验。与匹配的基线方法相比，所提变体一致提升了总体 AP 和以 AP₇₅ 衡量的高精度定位；组件级和联合消融实验进一步支持了表示精炼与结构化融合之间的分阶段关系。

本文其余部分组织如下：第 2 节回顾相关工作。第 3 节详细介绍所提方法。第 4 节展示实验结果和全面分析。最后，第 5 节总结全文。

章节摘要

相关工作

我们回顾了水下退化下的检测、单尺度特征建模和多尺度融合。一个共同关注点是特征可靠性：语义区域、物体边界和尺度特定线索必须在散射、色彩偏移和低对比度条件下保持信息量。

整体架构

我们采用 D-FINE [15] 作为基础检测器，并在 DEIM 训练和匹配优化框架 [16] 下对其进行训练。在保留其余 D-FINE 架构的同时，我们引入了两项修改以解决上述水下特有的瓶颈问题。我们的修改重塑了骨干网络金字塔特征本身，使得水下退化在检测流水线内部得到处理。如图 3 所示，该框架首先对每个尺度上的表示进行精炼，使用

数据集与指标

我们在两个标准的 underwater object detection 基准数据集上评估了所提方法。RUOD [17] 包含来自 10 个类别的 14,000 张图像，包括鱼类、潜水员、海星、珊瑚、海龟、海胆、海参、扇贝、乌贼和水母，其中 9,800 张图像用于训练，4,200 张图像用于测试。DUO [18] 包含来自 4 个类别的 7,782 张图像，包括海参、海胆、扇贝和海星，其中 6,671 张图像用于训练，1,111 张图像用于

结论

在本文中，我们提出了一种可靠性引导超图特征融合框架，以解决水下目标检测中特征不确定性和跨尺度信息冲突的关键瓶颈。水下成像先验动机驱动了一种隐式特征级可靠性代理，将退化与内容自适应的特征建模和门控联系起来。遵循尺度内增强和跨尺度高阶调解的分阶段策略，BiGLSSMBlock 和

资助

本工作部分受国家自然科学基金（编号：62301105）、海洋感知国家重点实验室开放项目（编号：OSKF-2025M04）、辽宁省科学技术计划联合项目（自然科学基金-面上项目，编号：2025-MSLH-113）、中央高校基本科研业务费专项资金（编号：3132026240）以及辽宁省基本科研

CRediT 作者贡献声明

Jingchun Zhou（周敬春）： 写作–审阅与编辑，写作–初稿撰写，可视化，验证，监督，软件，资源，项目管理，方法学，调查，资金获取，形式化分析，数据整理，概念构思。Yuang Li（李源）： 写作–审阅与编辑，写作–初稿撰写，可视化，验证，资源，方法学，形式化分析，数据整理，概念构思。Dehuan Zhang（张德桓）： 写作–审阅与编辑，写作–初稿撰写，

利益冲突声明

作者声明不存在利益冲突。

作者声明不存在可能影响本文所报告工作的已知竞争财务利益或个人关系。

Jingchun Zhou（周敬春）|Yuang Li（李源）|Dehuan Zhang（张德桓）|Chenzhao Bai（白陈兆）|Guangyong Chen（陈广勇）|Qiuping Jiang（蒋秋平）|Ghulam Muhammad