.png){kind=icon}
返回
A diffusion model-based image generation framework for underwater object detection
.png){kind=icon}
PRE
AI
DOI：10.1038/s44172-025-00579-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下目标检测在海洋生态监测和 underwater rescue operations 等应用中发挥着关键作用。然而，水下数据有限和场景多样性低等挑战阻碍了检测精度。本文提出了一种基于扩散模型的 Underwater Layout-Guided Diffusion Framework (ULGF) 框架，旨在扩充水下检测数据集。与通过整合 in-air information 生成水下图像的常规方法不同，ULGF 仅依赖于一组小型水下图像及其对应标签进行操作，无需外部数据。我们已公开发布了 ULGF 源代码和生成的数据集，以供进一步研究。我们的方法能够生成高保真、多样且理论上无限的水下图像，显著提升真实水下场景中的目标检测性能。此外，我们评估了生成水下图像的质量，表明 ULGF 生成的图像具有更小的领域差异。
Keyword:
Underwater object detection
Diffusion model
Dataset augmentation
Image generation
Domain gap
期刊
C
IF:
0
论文数:
176
被引数:
1
机构
引用论文
Unveiling the underwater world: CLIP perception model-guided underwater image enhancement揭开水下世界：基于CLIP感知模型指导的水下图像增强.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
Self-Supervised Underwater Image Generation for Underwater Domain Pre-Training用于水下域预训练的自监督水下图像生成
PREAI
分享收藏Underwater moving target detection and tracking based on enhanced you only look once and deep simple online and realtime tracking strategy基于增强的YOLO和Deep Simple Online and Realtime Tracking策略的水下运动目标检测与跟踪
PREAI
分享收藏
查看更多内容