僅31K參數(shù)! UnitModule: 水下目標(biāo)檢測的輕量級聯(lián)合圖像增強(qiáng)模塊 UnitModule: 一種即插即用的輕量級水下聯(lián)合圖像增強(qiáng)模塊，它提供檢測器首選的輸入圖像，并設(shè)計一種無監(jiān)督學(xué)習(xí)損失，用于該模塊與檢測器的聯(lián)合訓(xùn)練，還引入輔助色偏損失和數(shù)據(jù)增強(qiáng)新方法，進(jìn)一步提高水下目標(biāo)檢測性能!單位: 哈爾濱工程大學(xué) 水下目標(biāo)檢測面臨水下圖像劣化的問題，影響檢測器的性能。。基于去噪和圖像增強(qiáng)的水下目標(biāo)檢測方法通常不能提供檢測器首選的圖像或需要額外的數(shù)據(jù)集。 本文提出一種即插即用的水下聯(lián)合圖像增強(qiáng)模塊 (UnitModule) ，它提供檢測器首選的輸入圖像。 我們設(shè)計了一種無監(jiān)督學(xué)習(xí)損失，用于UnitModule 與檢測器的聯(lián)合訓(xùn)練，無需額外的數(shù)據(jù)集，以改善 UnitModule與檢測器之間的交互。 此外，具有輔助色偏損失和稱為水下顏色隨機(jī)傳輸(UCRT) 的數(shù)據(jù)增強(qiáng)的色偏預(yù)測器旨在提高 UnitModule 在具有不同色偏的水下圖像上的性能。 在DUO上針對不同的目標(biāo)檢測模型進(jìn)行了大量的實驗其中UnitModule在YOLOv5-S上實現(xiàn)了2.6 AP的最高性能提升，并在全新的測試集 (URPCtest) 上獲得了3.3 AP的提升。而且 UnitModule 顯著提高了我們測試的所有目標(biāo)檢測模型的性能，特別是對于參數(shù)數(shù)量較少的模型。 另外，UnitModule參數(shù)數(shù)量較少，只有31K，對原始物體檢測模型的推理速度影響不大。我們的定量和視覺分析還證明了 UnitModule 在增強(qiáng)輸入圖像和提高檢測器對物體特征的感知能力方面的有效性

論文地址：https://arxiv.org/abs/2309.04708 需要進(jìn)論文創(chuàng)新點群的，關(guān)注我私信我，進(jìn)論文創(chuàng)新點群