本文介绍了一种无监督的单张图像去雾方法，利用暗通道先验提高图像质量。同时，提出了基于残差特征传递模块的水下物体检测方法，实验结果显示其性能优于传统的CNN和Transformer检测器。此外，开发了UDC-DMNet和DGFormer网络，针对下屏摄像头图像恢复和盲人脸恢复，均取得了先进性能。

该文介绍了一种新颖的水下物体检测方法，使用AMSP-UOD来增强特征提取能力和减少参数，提高网络的鲁棒性。通过设计FAD-CSP改善了复杂水下环境中的网络性能。实验表明，该方法优于现有的最先进方法。

该论文提出了一种基于残差特征传递模块（RFTM）的水下物体检测方法，应用于CNN-based特征提取网络，提高了检测性能。实验结果表明，该方法优于基于CNN和Transformer的检测器。

本文提出了一种针对水下物体检测的新方法，即振幅调制随机扰动和涡旋卷积网络（AMSP-UOD）。该方法通过减弱噪声影响、增强特征提取能力、减少参数并提高网络鲁棒性来提高水下物体检测准确性。实验结果表明，该方法优于现有方法在准确性和抗噪性方面。代码将公开提供。