SSDT-YOLO: An Underwater Object Detection Framework for Efficient Small-Target Recognition in Complex Environments

Sous la surface de l'océan, le monde est un lieu de lumières changeantes et de détails cachés. Pour les scientifiques et les ingénieurs, voir clairement dans cet environnement est un défi persistant. L'eau absorbe les couleurs, dispersant la lumière jusqu'à ce que la scène devienne trouble, tandis que l'acte même de capturer une image peut introduire des distorsions. Dans ces conditions, trouver de petits objets — comme un concombre de mer reposant sur le sable ou une étoile de mer accrochée à un rocher — devient incroyablement difficile pour l'œil humain et les caméras standards. C'est ici qu'intervient la vision par ordinateur, le domaine qui apprend aux machines à « voir » à travers des caméras. En utilisant l'apprentissage profond (deep learning), une méthode où les ordinateurs apprennent des motifs à partir de vastes quantités de données plutôt que de suivre des règles rigides et préécrites, les machines peuvent être entraînées à reconnaître des objets même lorsqu'ils sont flous, faiblement éclairés ou entassés les uns avec les autres. Cette capacité est vitale pour surveiller les écosystèmes marins, gérer les pêcheries et guider les robots sous-marins qui effectuent des tâches trop dangereuses ou fastidieuses pour les humains.

Malgré ces avancées, les systèmes de vision par ordinateur existants peinent souvent face au chaos spécifique des abysses. Ils manquent fréquemment de petites cibles ou ne parv'aient pas à les distinguer de l'arrière-plan, surtout lorsque l'éclairage est médiocre. Pour y remédier, les chercheurs Chaoyang Chen et son équipe de l'Université de technologie de Hunan ont développé un nouveau système appelé SSDT-YOLO. Ce cadre est conçu spécifiquement pour repérer les organismes benthiques — les créatures vivant sur le fond marin — dans des environnements sous-marins complexes. L'équipe est partie d'un modèle de détection puissant et existant nommé YOLOv8, déjà réputé pour sa vitesse et sa précision dans des tâches générales. Cependant, ils ont reconnu que ce modèle standard n'était pas optimisé pour les difficultés uniques du monde sous-marin, telles que la nécessité de voir de minuscules détails dans un environnement sombre et déformé.

Les chercheurs ont abordé le problème en reconstruisant le système de l'intérieur, en se concentrant sur quatre domaines clés pour le rendre plus sensible et efficace. Premièrement, ils ont remplacé le « backbone » (colonne vertébrale) du système, la partie responsable du balayage initial de l'image, par une nouvelle structure qu'ils ont nommée TEfficientNet. Ce nouveau backbone est plus apte à gérer l'éclairage inégal trouvé sous l'eau, permettant au système d'extraire des caractéristiques plus claires dès le départ. Deuxièmement, pour s'assurer que les petits objets ne soient pas perdus ou floutés lors du traitement de l'image, ils ont remplacé les couches de traitement standard par une technique spécialisée appelée Convolution de Profondeur à Préservation Spatiale (Spatial-Preserving Depth Convolution). Cette méthode agit comme un filtre minutieux qui préserve les détails fins des petites cibles, empêchant ainsi de disparaître dans le bruit de l'eau environnante.

Troisièmement, l'équipe a réorganisé la section centrale du réseau, là où les différentes couches d'informations sont combinées. Ils ont introduit un nouveau module appelé C2f-Dual, qui rationalise la façon dont le système fusionne ces détails. Ce changement a considérablement réduit le nombre de calculs que l'ordinateur doit effectuer, rendant le système plus léger et plus rapide sans sacrifier sa capacité de vision. Enfin, pour aider le système à se concentrer sur les parties les plus importantes d'une image, ils ont ajouté un mécanisme appelé Attention Synergique Spatiale et de Canal (Spatial and Channel Synergistic Attention). Cela agit comme un projecteur, guidant l'attention de l'ordinateur vers les zones spécifiques où les créatures petites et densément regroupées sont susceptibles de se trouver, tout en ignorant les éléments perturbateurs de l'arrière-plan.

Les résultats de ces changements ont été testés sur deux grandes collections d'images sous-marines, l'une contenant près de 8 000 photos et l'autre plus de 4 700. Le nouveau système SSDT-YOLO s'est avéré hautement efficace. Il a correctement identifié et localisé les organismes marins avec un taux de réussite de 84,9 % sur le premier ensemble de données et de 83,0 % sur le second, surpassant le modèle YOLOv8 original et plusieurs autres systèmes de détection de pointe. Peut-être aussi important encore, le nouveau modèle est beaucoup plus efficace. Il utilise nettement moins de ressources informatiques, ne nécessitant que environ 2,0 millions de paramètres contre 3,1 millions utilisés par le modèle de base. Cette réduction de taille permet au système de fonctionner à une vitesse de 214,8 images par seconde, ce qui signifie qu'il peut traiter plus de 200 images chaque seconde. Cette vitesse est cruciale pour les applications en temps réel, comme guider un robot sous-marin pour collecter des échantillons ou surveiller un récif sans délai.

Bien que le système représente une étape importante, les chercheurs reconnaissent qu'il ne s'agit pas d'une solution parfaite pour tous les scénarios possibles. Dans les cas où les objets sont fortement obscurcis par les sédiments ou soumis à des conditions d'éclairage extrêmes, le système manque encore occasionnellement des cibles. De plus, la nouvelle conception nécessite une quantité légèrement plus élevée de puissance de calcul brute en termes d'opérations mathématiques, un compromis que l'équipe s'efforce d'optimiser dans de futures études. Néanmoins, ce travail démontre qu'en adaptant soigneusement les modèles de vision par ordinateur aux réalités physiques spécifiques du monde sous-marin, il est possible de créer des outils qui soient à la fois hautement précis et assez rapides pour fonctionner en temps réel. Cette avancée offre une voie prometteuse pour une exploration marine plus autonome et efficace, aidant les scientifiques et les conservateurs à mieux comprendre et protéger la vie cachée du fond des océans.