AquaFeat+: an Underwater Vision Learning-based Enhancement Method for Object Detection, Classification, and Tracking

Sintesi Tecnica: AquaFeat+ per compiti di visione subacquea

Definizione del Problema
Le applicazioni robotiche subacquee, come l'identificazione delle specie, il monitoraggio dei detriti e l'ispezione delle infrastrutture, si affidano pesantemente ai sistemi di visione artificiale. Tuttavia, l'ambiente subacqueo presenta sfide severe, tra cui la scarsa illuminazione, la distorsione del colore, l'attenuazione della luce e lo scattering (diffusione). Questi fattori degradano la qualità dei dati visivi, causando una perdita di contrasto e nitidezza che compromette direttamente le prestazioni dei modelli di rilevamento, classificazione e tracciamento degli oggetti.

Gli esistenti metodi di miglioramento affrontano spesso due critiche limitazioni:

1. Disallineamento del Compito (Task Misalignment): La maggior parte degli approcci è ottimizzata per la qualità percettiva umana (attrattiva estetica) piuttosto che per la preservazione o l'estrazione di caratteristiche critiche per l'analisi automatizzata. Un'immagine che appare visivamente gradevole può comunque oscurare pattern essenziali, impattando negativamente sulle prestazioni algoritmiche.
2. Efficienza Computazionale: Molti modelli di miglioramento basati su deep learning comportano un elevato carico computazionale e tempi di elaborazione lunghi, ostacolando la loro applicabilità in operazioni robotiche in tempo reale.

Metodologia: AquaFeat+
Gli autori propongono AquaFeat+, una pipeline plug-and-play progettata per migliorare le caratteristiche specificamente per compiti di visione automatizzata piuttosto che per la percezione umana. L'architettura è addestrata end-to-end, guidata direttamente dalla funzione di perdita (loss function) dell'applicazione finale (rilevamento, classificazione o tracciamento), garantendo che il miglioramento sia pertinente al compito a valle.

Il modello comprende tre moduli primari:

1. Modulo di Correzione del Colore: Un passaggio di pre-elaborazione non addestrabile che mitiga le distorsioni cromatiche e l'assorbimento selettivo della luce. Analizza le intensità medie dei canali Rosso, Verde e Blu e regola la distribuzione del colore verso il canale mediano, fornendo un input bilanciato dal punto di vista del bianco e più pulito per gli strati successivi.
2. Processo di Miglioramento delle Caratteristiche (Feature Enhancement): Questo processo centrale si integra con i compiti a valle attraverso tre stadi:
   • Rete di Miglioramento delle Caratteristiche Subacquee (U-FEN): Elabora i frame RGB in tre stream paralleli (risoluzione originale, 1/4 e 1/8) utilizzando pesi condivisi. Sostituisce il primo strato standard con uno strato SpecialConv, un meccanismo addestrabile e consapevole del contenuto che regola dinamicamente il contrasto in base alle statistiche per canale (media e deviazione standard). La rete utilizza un'architettura U-Net con connessioni skip dense e attivazione LeakyReLU per prevenire la scomparsa del gradiente (vanishing gradient).
   • Modulo di Attenzione su Scala Globale (GSAM): Un'architettura ibrida progettata per raffinare le caratteristiche tramite un design a doppio percorso. Combina un modulo di Global Feature-Aware (GFA), che modella le dipendenze spaziali a lungo raggio, con un meccanismo di Scale-Aware Feature Aggregation (SAFA) per la fusione multi-scala. Gli output sono combinati con l'input originale tramite connessioni residue per arricchire la rappresentazione con contesto globale e dettagli multi-scala.
   • Aggregazione Finale delle Caratteristiche: L'output del GSAM viene ridimensionato e concatenato con lo stream di caratteristiche a risoluzione più bassa (scala 1/8). Un ultimo strato convoluzionale 3×3 fonde queste informazioni in una rappresentazione completa.
3. Output Residuo Adattivo: Lo stadio finale genera una mappa residua di miglioramento utilizzando uno strato terminale SpecialConv. Questo residuo viene normalizzato (tramite tanh) e aggiunto all'immagine di input originale, preservando l'integrità strutturale mentre applica i miglioramenti appresi.

Contributi Chiave

• Miglioramento Orientato al Compito: La proposta di AquaFeat+, un modulo specificamente progettato per migliorare le caratteristiche gerarchiche in video subacquei a bassa luminosità per ottimizzare le prestazioni di rilevamento, classificazione e tracciamento.
• Addestramento End-to-End: Dimostrare l'efficacia dell'addestramento del modulo di miglioramento guidato direttamente dalla funzione di perdita del compito finale, piuttosto che da metriche generiche della qualità dell'immagine.
• Adattamento del Dataset: L'adattamento del dataset FishTrack23 con un focus specifico sull'ottimizzazione dei compiti di rilevamento, classificazione e tracciamento degli oggetti per la percezione robotica, inclusi le strategie di pulizia dei dati e di raggruppamento delle classi per affrontare lo sbilanciamento.

Risultati Sperimentali
Il metodo è stato valutato sul dataset FishTrack23 utilizzando YOLOv8m/YOLOv10s per rilevamento/tracciamento e YOLOv11s-cls per la classificazione. I risultati sono stati confrontati con il predecessore (AquaFeat), altre tecniche di miglioramento (FeatEnHancer) e modelli baseline.

• Rilevamento Oggetti: AquaFeat+ (YOLOv8m) ha ottenuto il più alto F1-Score (0.688), indicando il miglior equilibrio tra precisione e richiamo (recall). Sebbene non abbia raggiunto l'assoluto mAP0.5 più elevato (0.556 vs 0.557 per AquaFeat YOLOv10s), ha mantenuto prestazioni estremamente competitive migliorando significativamente il richiamo rispetto al baseline YOLOv8m (0.624 vs 0.582).
• Classificazione: AquaFeat+ ha superato tutti gli altri approcci in precisione (0.816), richiamo (0.791) e F1-Score (0.791). Ha dimostrato una capacità costante di identificare e bilanciare le predizioni positive, superando i metodi esistenti come FeatEnHancer e il baseline YOLOv11s-cls.
• Tracciamento: Nel tracciamento multi-oggetto, AquaFeat+ (YOLOv10s) ha ottenuto il punteggio HOTA più alto (55.206) e il miglior punteggio AssA (60.194), indicando un equilibrio superiore tra accuratezza di rilevamento e associazione. Ha inoltre ottenuto il secondo miglior punteggio IDF1 (68.094), dimostrando una gestione efficace della coerenza dell'identità a lungo termine.

L'analisi qualitativa ha confermato che AquaFeat+ è stato spesso l'unico metodo capace di rilevare correttamente oggetti parzialmente occlusi ai bordi dell'immagine o di identificare pesci in scenari a bassa visibilità dove i modelli baseline e altre tecniche di miglioramento fallivano.

Significatività e Rivendicazioni
Il documento afferma che AquaFeat+ valida la sua capacità di elevare significativamente le capacità percettive in scene subacquee complesse. Integrando il miglioramento delle caratteristiche direttamente nel pipeline del compito di visione e ottimizzando per le prestazioni a valle piuttosto che per l'attrattiva visiva, il metodo colma il divario tra il miglioramento dell'immagine e l'analisi automatizzata. I risultati suggeriscono che AquaFeat+ è una soluzione flessibile ed efficiente che può essere integrata senza problemi in diverse piattaforme robotiche per migliorare l'affidabilità dell'analisi della scena per il processo decisionale. Gli autori osservano che il lavoro futuro comporterà l'estensione dell'applicazione a compiti come la stima della profondità e la segmentazione semantica, nonché la valutazione del modello su nuovi dataset del mondo reale.