近年來，國內(nèi)外研究人員對基于光學圖像的水下目標探測關鍵技術進行了大量研究，水下目標檢測技術取得了快速發(fā)展，一些研究人員對檢測中的關鍵技術進行了總結。YANGM等對一系列水下的圖像增強及復原的算法進行了系統(tǒng)歸納，對水下場景的代表性方法進行了詳細的客觀評價和分析，HANM等總結了水下圖像智能去霧和色彩還原算法，LIUR等對一系列水下圖像增強算法綜述。林森等總結了水下光學目標探測中的關鍵技術，但沒有對數(shù)據(jù)集進行分析，目前仍缺少針對水下目標檢測數(shù)據(jù)集分析，以及針對水下目標檢測難點的算法總結。

　　

　　本文針對水下目標檢測存在的難點問題對水下目標檢測算法進行了總結；總結了現(xiàn)有的水下圖像目標檢測數(shù)據(jù)集，并對具有代表性的數(shù)據(jù)集進行分析；總結了近五年來國內(nèi)外研究人員的在水下目標檢測上的研究進展；應用FasterRCNN和YOLOV3為基本型，結合數(shù)據(jù)增強、圖像增強、高分辨率網(wǎng)絡等可以提升目標檢測性能的方法，比較了每種增強方法相較于基本型性能的提升；討論了水下目標檢測技術的進一步的發(fā)展方向。

　　

       對于目標檢測算法尤其是基于深度學習的目標檢測算法，需要大量的數(shù)據(jù)進行訓練，但由于水下環(huán)境復雜，水下圖像難以獲取，所以目前沒有較為完整的公開的大型水下圖像目標檢測數(shù)據(jù)集，現(xiàn)有的水下目標檢測數(shù)據(jù)集存在目標單一、類別分組較少等一系列問題，本節(jié)總結了學者們在水下光學目標檢測算法研究中公開采用的數(shù)據(jù)集，共包括10個數(shù)據(jù)集，對數(shù)據(jù)集的總結如表1所示，并給出了下載鏈接。對其中具有代表性的3個水下目標檢測數(shù)據(jù)集進行詳細分析。


       水下目標檢測技術對于海洋信息探索中具有重要的意義，受到越來越多學者的關注，通過對國內(nèi)外水下目標檢測算法的調(diào)研總結，雖然基于光學圖像的水下目標探測關鍵技術取得了許多研究成果，但仍存在一些問題需要進一步探討，可以從以下幾個方面入手。

　　

　?、派纱笠?guī)模的水下數(shù)據(jù)集自然環(huán)境下的目標檢測算法發(fā)展迅速，一些在自然環(huán)境下的解決思路可以應用于水下環(huán)境中解決水下目標檢測過程的問題。例如在解決數(shù)據(jù)集數(shù)量較少的問題時，傳統(tǒng)的目標檢測技術通常都需要大量的樣本，并且需要大量的時間訓練，促進了少樣本學習的發(fā)展，研究人員開發(fā)出零樣本學習、一樣本學習、少樣本學習，F(xiàn)ANQ等將少樣本學習應用于自然環(huán)境中的目標檢測過程中，結合注意力機制和多關系檢測器，并在FSOD自然環(huán)境下的數(shù)據(jù)集上進行驗證，


檢測效果相較于基本模型AP50提升了0.125，效果提升明顯。水下目標檢測用數(shù)據(jù)集存在樣本數(shù)量較少的問題，可以將少樣本學習應用于水下，提升水下目標檢測算法性能。由于數(shù)據(jù)量較少，可以利用GAN網(wǎng)絡生成仿真的數(shù)據(jù)集，提升模型的魯棒性，但是實驗表明，利用GAN網(wǎng)絡進行數(shù)據(jù)增強，只有在數(shù)據(jù)量特別少的情況下，對目標檢測性能有提升，對于大部分目標檢測任務，提升不大甚至降低了目標檢測性能。

　　

　?、七M一步研究深度學習網(wǎng)絡基于傳統(tǒng)的水下目標檢測技術泛化能力差，更換檢測目標時，需要重新設計特征，難以進行突破，基于深度學習的目標檢測技術可以大大提升目標檢測的性能，但深度學習算法可解釋性差，在預處理過程中，發(fā)現(xiàn)一些基于深度學習的水下圖像復原或增強技術，增強效果可視性較好，或者評價指標較高，但是對于目標檢測性能并沒有提升甚至對性能有所影響。在這方面還需進一步研究，例如研究針對目標檢測性能提升的圖像增強技術，以及對無監(jiān)督算法、自監(jiān)督算法和動態(tài)神經(jīng)網(wǎng)絡的研究。在基于深度學習的目標檢測算法中，算法對于訓練集類似的環(huán)境中檢測效果好，但是在不同失真類型環(huán)境下檢測效果差，如何學習生物視覺的處理方式，學習人類的思考方式，也是一個可以考慮的提升目標檢測性能的方向。

　　

　?、菍⒆匀画h(huán)境中的目標檢測技術應用到水下自然環(huán)境下的目標檢測技術發(fā)展迅速，目前較為先進的自然環(huán)境中的目標檢測算法，例如基于Tranformer的DETR、CascadeRCNN、YOLOF、Varifocalnet等目標檢測網(wǎng)絡，如何克服水下環(huán)境的局限，將自然環(huán)境下的目標檢測算法遷移到水下，并且能夠滿足實時檢測的需求，對于水下目標檢測技術的發(fā)展具有重要的意義，這是我們以后的工作。


上一條: 水下沉船打撈主要有哪幾種方法？

下一條: 湖南潛水打撈