
-
生物通官微
陪你抓住生命科技
跳动的脉搏
FH-YOLO:面向退化水下环境的跨阶段稳定化目标检测框架
《Scientific Reports》:FH-YOLO: a cross-stage stabilized framework for underwater benthic object detection
【字体: 大 中 小 】 时间:2026年09月19日 来源:Scientific Reports 4.9
编辑推荐:
摘要水下目标检测面临光衰减、散射以及严重的视觉退化等挑战,这些因素会在检测流程的不同阶段引入不稳定性。针对这一问题,我们提出了FH-YOLO,这是一种跨阶段稳定化框架,旨在提高在退化水下环境下的检测鲁棒性。该方法集成了三个关键组件:混合数据增强(HDA),通过模拟随机水下退化
水下目标检测面临光衰减、散射以及严重的视觉退化等挑战,这些因素会在检测流程的不同阶段引入不稳定性。针对这一问题,我们提出了FH-YOLO,这是一种跨阶段稳定化框架,旨在提高在退化水下环境下的检测鲁棒性。该方法集成了三个关键组件:混合数据增强(HDA),通过模拟随机水下退化来扩展输入分布;双层路由注意力(BRA),通过抑制噪声放大的响应来优化多尺度特征表示;以及Wise-IoU v3,通过自适应重新加权梯度贡献来稳定回归。在水下底栖数据集(UBD)上的评估显示,FH-YOLO达到了87.1%的mAP@0.5,超过了YOLOv11和几种代表性检测器。定性和定量结果均表明,所提出的跨阶段协调机制显著提高了复杂水下环境中的检测准确性和鲁棒性。