Методи попередньої обробки підводних зображень
Ключові слова:
підводні зображення, відновлення зображень, моделі дифузії, глибоке навчанняАнотація
Автономні підводні апарати (AUV) покладаються на алгоритми комп’ютерного зору для навігації, уникнення перешкод і виявлення цілей. Дифузійні моделі можуть допомогти покращити продуктивність цих алгоритмів шляхом підвищення якості підводних зображень. Усуваючи шуми, виправляючи спотворення кольорів і покращуючи деталі, дифузійні моделі можуть дозволити АНПА точніше та надійніше орієнтуватися в складних підводних умовах. У цьому дослідженні досліджується потенціал дифузійних моделей для попередньої обробки підводних зображень, зокрема для покращення виявлення та відстеження об’єктів за допомогою методів глибокого навчання. Проблеми, властиві підводним зображенням, такі як спотворення кольору, низький контраст і розсіювання, значно перешкоджають продуктивності моделей глибокого навчання. Використовуючи моделі дифузії, ми можемо ефективно пом’якшити ці проблеми, що призведе до підвищення точності та надійності систем виявлення та відстеження підводних об’єктів. Були досліджені наступні методи: модель дифузії з подвійним рівнем уваги (DL-UW), інтегрований модуль згорткової блокової уваги (CBAM) і модифікований блок трансформатора Swin (MSTB) з дифузійною моделлю в AIT-YOLOv7, фізична модель дифузії з трансформером (PA-Diff). Дані підходи демонструють значний прогрес у використанні дифузійних моделей для виявлення підводних об’єктів з урахуванням специфіки середовища та обмеження даних.
