BriefGPT - AI 论文速递
·
U-DECN：具备改进去噪训练的端到端水下目标检测卷积网络
💡
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，显著提高性能并对推理速度影响较小。
🎯
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，UnitModule实现了2.6 AP的性能提升。
- 在全新的测试集(URPCtest)上，UnitModule获得了3.3 AP的提高。
- UnitModule显著提高了所有测试的目标检测模型的性能，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感知能力方面的有效性。
➡️
