文献阅读笔记9——两篇水下目标检测文章的重点理解

0 写在前面

之前因为大家没有把目标检测的视线注意转移到水下领域，没有相关参考文献完整的将是实验论证部分展示出来，再写小论文的同时有很多标准论文已经发出来了，现将这些总结一下，或许送审之后需要做补充实验，也好有个参照。

1 《Multiple attentional path aggregation network for marine object detection》

这是2022.04.10发表于Applied Intelligence的一篇文章，燕山大学一个博士

1.1 Abstract+Conclusion

1. 提出了一种新的多注意路径聚合网络APAN
2. 通过自上而下的下采样路径，特征图由下层增强，并包含自上而下的上采样的特征。
3. 最后一层融合主干特征网络的特征映射，增强了语义信息，提高特征提取能力。
4. 将协调竞争注意力和空间补充注意相结合的多注意应用在路径聚合网络。
5. 提出了一种双传输水下图像算法增强水下图像数据集。

1.2 Contributions

1. 顶部feature map结合主干顶层，其他feature map结合自顶向下的上采样层中的feature map。通过自底向上的下采样路径，对每个特征映射进行了较低级别的增强。【作用： 利用主干的语义信息和自顶向上的上采样路径的上下文信息来增强特征的提取。】
2. 多注意力机制：综合考虑了语义信息和空间信息中的全局信息和局部信息。【作用： 不同层次特征全局信息和局部信息相互补充，有助于不同尺度下的特征提取。通过对特征的有效融合，多注意利于多目标和小目标的检测。】
3. 基于双透射图的图像去噪算法和对比度受限自适应直方图均衡化（CLAHE）【作用： 提高视觉质量，实现检测精度】

1.3 Experiments

1. 直方图可视化实验：横轴表示灰度，纵轴表示归一化频率，展示R-G-B三种曲线。
2. comparised with popular Object detection
3. ablation study（方法的消融）
4. Attention verify experiments
5. experiments of image enhancement

验证方法要在水下数据集验证+标准数据集PASCAL

1.4 Experiments of Tables

Table 1 Comparison results with popular object detector algorithms

Table 2 Ablation study experiments

Table 3 Comparison experiments on attention

Table 4 Comparison experiments on image enhancement datasets

Table 5 Object detection experiments on PASCAL VOC 2007 datasets

2 《Scale-aware feature pyramid architecture for marine object detection》

这是2020.07发表在《Neural Computing and Applications》上，大连海事大学的一篇文章。

2.1 Abstract+Conclusion

1. 提出基于尺度感知的特征金字塔（SA-FPN），【为了水下图像提取丰富的鲁棒特征】
2. 提出多尺度特征金字塔来丰富预测的语义特征。通过自上而下，每个feature map由更高级别层和上下文信息进行增强。
3. 减少重复框避免遗漏抑制，将NMS->soft-NMS

2.2 Contributions

1. ResNet->root-ResNet
2. 建立一个multi-scale feature pyramid
3. NMS->soft-NMS

2.3 Experiments

Table 1 Comparison with popular detectors on the underwater image datasets

Table 2 Ablation experiments on underwater image dataset

Table 3 The exploration on how the structure of backbone network affects the performance on detection

Table 4 Analysis of learning rate for our proposed method on underwater image dataset

Table 5

Table 6

Table 7 关于在一个工程平台上的数据