目标检测YOLO实战应用案例100讲-水下图像增强与水下生物目标检测（续）

目录

3.4.3 对比实验与分析 

基于密集特征融合的轻量级水下目标检测方法  

4.1 引言 

4.2 轻量级密集特征融合检测网络  

4.2.1 整体网络架构 

4.2.2 Dense策略 

4.2.3 AFF模块 

4.2.4 Bottleneck模块 

4.3 实验结果与分析  

4.3.1 数据和实验环境  

4.3.2 消融实验与分析 

4.3.3 对比实验与分析 

---

本文篇幅较长，分为上下两篇，上篇详见水下图像增强与水下生物目标检测

3.4.3 对比实验与分析 

本节从定性和定量两个角度对DS_RD_Net和代表性水下增强算法，包括 UCM[ 2]、UDCP [5]、UGAN [48]、UWGAN [12]、Funie GAN [14]等进行比较。  

3.4.3.1 定量分析 
本章采用了四种全参考评估指标MSE、RMSE、PSNR和SSIM来评估不同方 法在3733张水下合成影像数据集上的性能。表3-3的对比结果表明，本章提出的 方法在各个方面取得了最好的结果。 
UCM和UDCP等传统方法的MSE值和RMSE值过大，PSNR值和