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

Resumo Técnico: AquaFeat+ para Tarefas de Visão Subaquática

Definição do Problema
Aplicações robóticas subaquáticas, como identificação de espécies, monitoramento de detritos e inspeção de infraestrutura, dependem fortemente de sistemas de visão computacional. No entanto, o ambiente subaquático apresenta desafios severos, incluindo baixa iluminação, distorção de cores, atenuação de luz e dispersão. Esses fatores degradam a qualidade dos dados visuais, causando uma perda de contraste e nitidez que compromete diretamente o desempenho de modelos de detecção, classificação e rastreamento de objetos.

Os métodos de aprimoramento existentes frequentemente enfrentam duas limitações críticas:

1. Desalinhamento de Tarefa: A maioria das abordagens é otimizada para a qualidade perceptual humana (apelo estético) em vez da preservação ou extração de características críticas para análise automatizada. Uma imagem que parece visualmente atraente pode ainda ocultar padrões essenciais, impactando negativamente o desempenho algorítmico.
2. Eficiência Computacional: Muitos modelos de aprimoramento baseados em aprendizado profundo incorrem em altas demandas computacionais e tempos de processamento longos, dificultando sua aplicabilidade em operações robóticas em tempo real.

Metodologia: AquaFeat+
Os autores propõem o AquaFeat+, um pipeline plug-and-play projetado para aprimorar características especificamente para tarefas de visão automatizada, em vez da percepção humana. A arquitetura é treinada de ponta a ponta (end-to-end), guiada diretamente pela função de perda da aplicação final (detecção, classificação ou rastreamento), garantindo que o aprimoramento seja relevante para a tarefa subsequente (downstream).

O modelo compreende três módulos primários:

1. Módulo de Correção de Cor: Um passo de pré-processamento não treinável que mitiga distorções cromáticas e absorção seletiva de luz. Ele analisa as intensidades médias dos canais Vermelho, Verde e Azul e ajusta a distribuição de cores para o canal mediano, fornecendo uma entrada com balanço de branco e mais limpa para as camadas subsequentes.
2. Processo de Aprimoramento de Características: Este processo central integra-se com tarefas subsequentes através de três estágios:
   • Rede de Aprimoramento de Características Subaquáticas (U-FEN): Processa quadros RGB em três fluxos paralelos (resolução original, 1/4 e 1/8) usando pesos compartilhados. Substitui a primeira camada padrão por uma camada SpecialConv, um mecanismo treinável e sensível ao conteúdo que ajusta dinamicamente o contraste com base nas estatísticas por canal (média e desvio padrão). A rede utiliza uma arquitetura U-Net com conexões de salto (skip connections) densas e ativação LeakyReLU para evitar o desaparecimento do gradiente (vanishing gradients).
   • Módulo de Atenção de Escala Global (GSAM): Uma arquitetura híbrida projetada para refinar características via um design de via dupla. Combina um módulo de Característica Global Sensível (GFA), que modela dependências espaciais de longo alcance, com um mecanismo de Agregação de Características Sensível à Escala (SAFA) para fusão multiescala. As saídas são combinadas com a entrada original via conexões residuais para enriquecer a representação com contexto global e detalhes multiescala.
   • Agregação Final de Características: A saída do GSAM é redimensionada e concatenada com o fluxo de característica de menor resolução (escala 1/8). Uma camada convolucional final de 3×3 funde estas informações em uma representação abrangente.
3. Saída Residual Adaptativa: O estágio final gera um mapa residual de aprimoramento usando uma camada terminal SpecialConv. Este residual é normalizado (via tanh) e adicionado à imagem de entrada original, preservando a integridade estrutural enquanto aplica os aprimoramentos aprendidos.

Principais Contribuições

• Aprimoramento Orientado à Tarefa: A proposta do AquaFeat+, um módulo especificamente projetado para aprimorar características hierárquicas em vídeos subaquáticos de baixa luminosidade para otimizar o desempenho de detecção, classificação e rastreamento.
• Treinamento de Ponta a Ponta: Demonstração da eficácia do treinamento do módulo de aprimoramento sendo guiado diretamente pela função de perda da tarefa final, em vez de métricas genéricas de qualidade de imagem.
• Adaptação de Conjunto de Dados: A adaptação do conjunto de dados FishTrack23 com foco específico na otimização de tarefas de detecção, classificação e rastreamento de objetos para percepção robótica, incluindo estratégias de limpeza de dados e agrupamento de classes para lidar com o desequilíbrio.

Resultados Experimentais
O método foi avaliado no conjunto de dados FishTrack23 usando YOLOv8m/YOLOv10s para detecção/rastreamento e YOLOv11s-cls para classificação. Os resultados foram comparados com o antecessor (AquaFeat), outras técnicas de aprimoramento (FeatEnHancer) e modelos de linha de base (baseline).

• Detecção de Objetos: O AquaFeat+ (YOLOv8m) alcançou o maior F1-Score (0,688), indicando o melhor equilíbrio entre precisão e revocação (recall). Embora não tenha atingido o mAP0.5 absoluto mais alto (0,556 vs. 0,557 para o AquaFeat YOLOv10s), manteve um desempenho extremamente competitivo enquanto melhorou significativamente a revocação sobre o baseline YOLOv8m (0,624 vs. 0,582).
• Classificação: O AquaFeat+ superou todas as outras abordagens em precisão (0,816), revocação (0,791) e F1-Score (0,791). Demonstrou uma capacidade consistente de identificar e equilibrar previsões positivas, superando métodos existentes como o FeatEnHancer e o baseline YOLOv11s-cls.
• Rastreamento: No rastreamento de múltiplos objetos, o AquaFeat+ (YOLOv10s) alcançou o maior escore HOTA (55,206) e o melhor escore AssA (60,194), indicando um equilíbrio superior entre precisão de detecção e de associação. Também conquistou o segundo melhor escore IDF1 (68,094), demonstrando consistência de identidade de longo prazo eficaz.

A análise qualitativa confirmou que o AquaFeat+ foi frequentemente o único método capaz de detectar corretamente objetos parcialmente ocluídos nas bordas da imagem ou identificar peixes em cenários de baixa visibilidade onde os modelos de linha de base e outras técnicas de aprimoramento falharam.

Significância e Alegações
O artigo afirma que o AquaFeat+ valida sua capacidade de elevar significativamente as capacidades de percepção em cenas subaquáticas complexas. Ao integrar o aprimoramento de características diretamente no pipeline de visão e otimizar para o desempenho subsequente em vez do apelo visual, o método aborda a lacuna entre o aprimoramento de imagem e a análise automatizada. Os resultados sugerem que o AquaFeat+ é uma solução flexível e eficiente que pode ser integrada perfeitamente em diversas plataformas robóticas para melhorar a confiabilidade da análise de cena para tomada de decisão. Os autores observam que o trabalho futuro envolverá a extensão da aplicação para tarefas como estimativa de profundidade e segmentação semântica, bem como a avaliação do modelo em novos conjuntos de dados do mundo real.