核心概念
提案するEnYOLOフレームワークは、水中物体検出と画像強化を同時に実行し、さまざまな水中環境に適応できる。
要約
本研究では、EnYOLOと呼ばれる統合的なリアルタイムフレームワークを提案した。このフレームワークは、水中物体検出(UOD)と水中画像強化(UIE)を同時に実行し、さまざまな水中環境に適応できる。
具体的には以下の特徴がある:
UIEとUODのタスクヘッドが同じネットワークバックボーンを共有し、軽量な設計を採用している。
UIEとUODのパフォーマンスを一貫して向上させるための多段階の訓練戦略を導入している。
水中環境間の特徴分布の違いを軽減するための新しいドメイン適応手法を提案している。
実験の結果、提案手法であるEnYOLOは、UIEとUODの両方でState-of-the-Artのパフォーマンスを達成し、さまざまな水中環境に対する優れた適応性も示した。さらに、効率性の分析から、EnYOLOがオンボード実装に適していることが明らかになった。
統計
水中環境の違いにより、ベースラインモデルのYOLOv5の性能が大きく低下する。例えば、青みがかった環境では40.04%も低下する。
提案手法のEnYOLOは、青みがかった環境でベースラインに比べ21.19%も高い性能を示す。
引用
"提案するEnYOLOフレームワークは、UIEとUODを同時に実行できる統合的なリアルタイムフレームワークである。"
"EnYOLOは、UIEとUODの両方でState-of-the-Artのパフォーマンスを達成し、さまざまな水中環境に対する優れた適応性も示した。"