Adaptive Enhancement and Dual-Pooling Sequential Attention for Lightweight Underwater Object Detection with YOLOv10

Cet article propose un cadre de détection d'objets sous-marins léger et robuste basé sur YOLOv10, intégrant un module d'amélioration adaptatif, un mécanisme d'attention à double mise en pool séquentielle et une fonction de perte FGIoU, qui améliore significativement la précision sur les jeux de données RUOD et DUO tout en conservant une architecture compacte adaptée aux systèmes embarqués.

L'essentiel

🌊 Le Problème : Voir sous l'eau, c'est comme regarder à travers une vitre sale

Imaginez que vous essayez de prendre une photo d'un poisson sous l'eau. Ce n'est pas facile ! L'eau agit comme un filtre magique mais dérangeant :

1. Les couleurs disparaissent : Le rouge est mangé par l'eau, tout devient bleu-vert.
2. C'est flou : Comme s'il y avait du brouillard ou de la poussière dans l'air (c'est ce qu'on appelle la "diffusion").
3. Le contraste est faible : Les objets se fondent dans le décor.

Si vous donnez cette photo à un robot (une caméra intelligente) pour qu'il repère des poissons ou des épaves, il va être perdu. Il ne verra rien de clair. C'est le défi que cette équipe de chercheurs de l'Université de Dhaka et de BRAC University a voulu résoudre.

🛠️ La Solution : Une "Boîte à Outils" Magique pour Robots

Les chercheurs ont créé un nouveau système basé sur un célèbre détecteur d'objets appelé YOLOv10 (qui signifie "You Only Look Once", ou "Tu ne regardes qu'une fois"). C'est un robot très rapide, mais il avait besoin d'une mise à jour pour survivre sous l'eau.

Ils lui ont ajouté trois super-pouvoirs, comme si on équipait un plongeur de nouvelles lunettes et d'un cerveau plus fort :

1. Les Lunettes de Nettoyage (Amélioration de l'image)

Avant même que le robot ne regarde l'image, ils lui passent un "nettoyeur" spécial.

• L'analogie : Imaginez que vous avez une photo très bleue et sombre. Ce module agit comme un filtre photo intelligent qui réajuste les couleurs (remet le rouge), éclaircit les zones sombres et enlève le "brouillard" sans toucher aux contours des objets.
• Le résultat : L'image devient claire et nette, comme si on sortait de l'eau pour la regarder.

2. Le Cerveau "Super-Focalisé" (Attention Séquentielle)

Sous l'eau, il y a beaucoup de bruit : des bulles, du sable, des algues. Le robot risque de se tromper en regardant un caillou au lieu d'un poisson.

• L'analogie : C'est comme si le robot portait des lunettes de soleil qui lui permettent de ne regarder que ce qui est important. Il utilise une technique appelée "Dual-Pooling Sequential Attention". En termes simples, il regarde d'abord "où" sont les objets (l'espace), puis "ce qu'ils sont" (les canaux de couleur), et il ignore tout le reste.
• Le résultat : Il se concentre sur le poisson et ignore le fond de mer boueux.

3. Le Coach de Précision (Nouvelle Formule de Calcul)

Quand le robot dessine un cadre autour d'un objet pour le dire "C'est un poisson !", il doit être très précis.

• L'analogie : Imaginez un entraîneur sportif qui ne se contente pas de dire "Bravo", mais qui corrige chaque mouvement. Les chercheurs ont créé une nouvelle formule mathématique (appelée FGIoU) qui dit au robot : "Non, ton cadre est un peu trop grand, resserre-le" ou "Tu as manqué ce poisson, sois plus attentif".
• Le résultat : Le robot apprend beaucoup plus vite et fait moins d'erreurs.

🏆 Les Résultats : Un Robot Léger mais Puissant

Le plus impressionnant, c'est que ce robot est très léger.

• L'analogie : Souvent, pour être intelligent, un robot doit être gros et lourd (comme un camion). Ici, ils ont créé un robot qui tient dans une petite boîte (seulement 2,8 millions de paramètres, c'est très peu).
• La performance : Malgré sa petite taille, il bat tous les autres champions.
  • Sur un test standard (RUOD), il a gagné 6,7 % de précision par rapport à la version de base.
  • Sur un autre test (DUO), il a gagné 6,2 %.

C'est comme si un petit vélo électrique dépassait une grosse voiture de course sur un terrain boueux, tout en consommant très peu d'énergie.

💡 Pourquoi est-ce important ?

Ce système est parfait pour les véhicules sous-marins autonomes (des robots qui naviguent seuls sous l'eau).

• Ces robots ont souvent de petites batteries et peu de puissance de calcul.
• Grâce à cette invention, ils peuvent voir clairement, repérer des déchets, surveiller des récifs coralliens ou aider les plongeurs, le tout en temps réel, sans avoir besoin d'un ordinateur géant à bord.

En résumé : Les chercheurs ont pris un robot rapide, lui ont donné des lunettes anti-brouillard, un cerveau qui ignore le bruit, et un coach très exigeant. Résultat ? Un petit robot capable de voir sous l'eau mieux que n'importe qui auparavant. 🐠🤖🌊

Résumé technique

Résumé Technique : Détection d'objets sous-marins légers avec YOLOv10

Titre de l'article : Adaptive Enhancement and Dual-Pooling Sequential Attention for Lightweight Underwater Object Detection with YOLOv10
Conférence : IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence, and Networking (QPAIN) 2026
Auteurs : Md. Mushibur Rahman, Umme Fawzia Rahim, Enam Ahmed Taufik

1. Problématique

La détection d'objets sous-marins (UOD) est cruciale pour la surveillance marine et les systèmes autonomes, mais elle fait face à des défis majeurs liés aux conditions optiques dégradées de l'environnement sous-marin. Les phénomènes physiques tels que l'absorption de la lumière (dépendante de la longueur d'onde), la diffusion et l'éclairage non uniforme entraînent :

• Une distorsion des couleurs (biais cyan dominant).
• Une dégradation sévère du contraste.
• Un flou des contours et une réduction de la visibilité.

Ces facteurs compromettent la fiabilité des modèles de détection classiques, conçus pour des environnements terrestres. De plus, les solutions existantes souffrent souvent d'un compromis difficile entre la précision (nécessitant des modules d'attention lourds ou des prétraitements complexes) et l'efficacité computationnelle requise pour le déploiement en temps réel sur des véhicules sous-marins autonomes (AUV) aux ressources limitées.

2. Méthodologie Proposée

Les auteurs proposent un cadre de détection léger et robuste basé sur l'architecture YOLOv10, intégrant trois innovations principales pour surmonter les limitations susmentionnées :

A. Prétraitement : Module d'Amélioration Adaptative Multi-Étape (MAE-UVP)

Pour corriger la qualité de l'image avant l'entrée dans le réseau de neurones, un pipeline déterministe (sans paramètres apprenables) est mis en œuvre :

1. Correction de couleur adaptative : Compensation du biais cyan par mise à l'échelle des canaux pour restaurer les composantes rouges atténuées.
2. Amélioration du contraste de luminance : Conversion vers l'espace CIELAB et application de l'histogramme CLAHE uniquement sur le canal de luminance pour éviter la distorsion des couleurs.
3. Défloutage guidé en douceur (Soft-Guided Dehazing) : Utilisation d'une prière guidée par un filtre gaussien pour atténuer la brume de diffusion avant tout en préservant les bords.
4. Raffinement préservant les bords : Filtrage sensible aux bords pour réduire le bruit dans les régions homogènes tout en renforçant les contours des objets.

B. Architecture : Mécanisme d'Attention Séquentielle à Double Pooling (DPSA)

Une modification structurelle est apportée à la couche SPPF (Spatial Pyramid Pooling Fast) du backbone :

• Le module SPPF standard est remplacé par un DPSA SPPF.
• Ce module applique une attention séquentielle (d'abord sur les canaux, puis sur l'espace) aux caractéristiques multi-échelles après concaténation.
• Mécanisme : Il combine un pooling adaptatif double pour l'attention canal (via un MLP) et une attention spatiale (via des statistiques moyenne/max et une convolution 7x7).
• Objectif : Renforcer la représentation des petits objets et supprimer le bruit de fond complexe sans alourdir la topologie du réseau.

C. Fonction de Perte : Focal Generalized IoU Objectness (FGIoU)

Une fonction de perte hybride est introduite pour optimiser simultanément la régression des boîtes, l'équilibre des classes et la calibration de la "objectness" (confiance) :

• Formulation : $L_{FGIoU} = 7.5 \cdot L_{GIoU} + 0.5 \cdot L_{Focal} + 1.0 \cdot L_{ObjFocal}$
• Composantes :
  • GIoU Loss : Améliore la régression des boîtes en pénalisant le manque de chevauchement et la séparation spatiale.
  • Focal Loss : Adresser le déséquilibre fond-avant-plan en se concentrant sur les exemples difficiles.
  • Objectness Focal Loss : Améliore la calibration de la confiance via une entropie croisée binaire pondérée.

3. Contributions Clés

1. Pipeline MAE-UVP : Une méthode de prétraitement déterministe et légère pour restaurer la fidélité des couleurs et le contraste sous-marins.
2. Mécanisme DPSA : Une attention séquentielle légère intégrée au backbone pour améliorer la discrimination des caractéristiques des petits objets.
3. Fonction de perte FGIoU : Une optimisation conjointe de la localisation et de la classification pour gérer les déséquilibres de classes typiques des données sous-marines.
4. Équilibre Performance/Efficacité : Un modèle final (YOLOv10n modifié) qui maintient une architecture compacte tout en surpassant les modèles de base et les variantes YOLO récentes.

4. Résultats Expérimentaux

Les évaluations ont été menées sur deux benchmarks standards : RUOD (9 340 images, 10 classes) et DUO (7 782 images, 4 classes).

Performance sur les Métriques

• Sur le jeu de données RUOD :
  • Le modèle proposé atteint un mAP@0.5 de 88,9 %, soit une amélioration de +6,7 % par rapport au YOLOv10n de base (82,2 %).
  • Le mAP@0.5:0.95 atteint 66,5 % (+7,7 %).
• Sur le jeu de données DUO :
  • Le modèle atteint un mAP@0.5 de 88,0 %, une amélioration de +6,2 % par rapport à la base (81,8 %).
  • Le mAP@0.5:0.95 atteint 69,1 % (+5,6 %).

Comparaison avec l'État de l'Art

Le modèle proposé surpasse les variantes YOLOv8 (n, s, m), YOLOv9t, YOLOv10 (n, s) et YOLOv11n en termes de précision globale et de rappel, tout en restant extrêmement léger :

• Nombre de paramètres : Seulement 2,8 M (contre 11,1 M pour YOLOv8s ou 25,8 M pour YOLOv8m).
• Vitesse d'inférence : Environ 476 FPS (2,1 ms par image) sur un GPU Tesla P100, validant son aptitude au temps réel.

5. Signification et Conclusion

Cette étude démontre qu'il est possible d'atteindre une haute précision de détection d'objets sous-marins sans sacrifier l'efficacité computationnelle. En combinant un prétraitement déterministe, une attention structurelle légère et une optimisation de perte avancée, le cadre proposé résout le compromis traditionnel entre précision et vitesse.

Impact :

• Le modèle est particulièrement adapté au déploiement sur des plateformes embarquées à ressources contraintes (AUV, ROV).
• Il offre une solution robuste aux problèmes de distorsion optique et de petits objets, souvent négligés par les modèles génériques.
• Les résultats valident l'efficacité d'une approche holistique (prétraitement + architecture + fonction de perte) pour l'environnement sous-marin.

Les auteurs suggèrent pour les travaux futurs l'exploration de la modélisation des caractéristiques temporelles et de l'adaptation de domaine pour renforcer la robustesse dans des environnements sous-marins dynamiques.