BriefGPT - AI 论文速递
·
水下图像增强是否为所有目标检测器所需要？
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种插拔式的水下联合图像增强模块(UnitModule)，通过无监督学习提高与检测器之间的交互效果。实验证明，该模块在不同的目标检测模型上能够显著提高性能，并对原始模型的推理速度影响较小。
🎯
关键要点
- 提出了一种插拔式的水下联合图像增强模块 (UnitModule)。
- UnitModule 通过无监督学习提高与检测器之间的交互效果。
- 在不同色偏情况下，UnitModule 结合色偏损失和数据增强方法 (UCRT) 改善性能。
- 在 YOLOv5-S 模型上实现了 2.6 AP 的性能提升，在全新测试集 (URPCtest) 上获得 3.3 AP 的提高。
- UnitModule 显著提高了所有测试的目标检测模型性能，尤其是参数较少的模型。
- 对原始目标检测模型的推理速度影响较小。
- 定量和视觉分析证明了 UnitModule 在增强输入图像和提高检测器对目标特征感知能力方面的有效性。
➡️
