水下目标检测（低光照目标检测）方法-发表在Patter Recognition，代码已开源

前言

Hi,各位读者，好久不见！现在我已经从北大博士毕业，成为一名小青椒啦！工作还是需要宣传的。今天想分享我在水下目标检测的工作：《A gated cross-domain collaborative network for underwater object detection》，发表在中科院一区期刊《Pattern Recognition》，代码已经开源：Github
欢迎大家引用我的工作，也欢迎学术合作👏

动机

水下目标检测（Underwater Object Detection，UOD）与通用目标检测（Generic Object Detection，GOD）之间最大的区别在于不同的检测环境。水下图像不可避免地受到能见度差、光线折射、吸收和散射等影响。尽管有研究通过水下图像增强（Underwater Image Enhancement, UIE）技术改善图像质量以提高目标检测性能，但也有研究显示，仅依赖图像增强可能不足以提升检测效果，有时甚至会导致性能的显著下降。这主要是因为图像增强技术虽然能在视觉上改善图像，但机器对场景的理解与人眼存在本质差异，仅通过调整颜色、亮度和对比度并不能充分提供目标检测所需的信息。而且，图像增强的过程不可避免地移除或改变图像中的关键细节，引入噪声或伪影。针对这一问题，有研究者探索了结合水下视觉增强和目标检测的策略，这些策略主要分为预处理方式和多任务学习方式。如图（a）所示，在预处理方式中，