DOI: https://doi.org/10.3389/fmars.2025.1539371
تاريخ النشر: 2025-04-16
المؤلف: Zhen Wang وآخرون
الموضوع الرئيسي: البحوث في الصوتيات تحت الماء
نظرة عامة
تقدم ورقة البحث شبكة جديدة لتجميع الميزات متعددة المستويات (MLFANet) تهدف إلى تعزيز اكتشاف الأجسام في صور السونار ذات الرؤية الأمامية (FLS)، والتي تعتبر حيوية للمركبات تحت الماء المستقلة (AUVs). يطرح البيئة الصوتية تحت الماء تحديات كبيرة، بما في ذلك الضوضاء، والتشتت، وتداخل الصدى، مما يقلل من دقة وموثوقية طرق الاكتشاف الحالية. لمعالجة هذه القضايا، تتضمن MLFANet ثلاثة وحدات مبتكرة: وحدة تجميع الميزات منخفضة المستوى (LFAM) لتعزيز الميزات الأساسية للصورة المتأثرة بضوضاء ارتداد قاع البحر، وحدة استخراج الميزات التمييزية (DFEM) لقمع الميزات الزائدة في مناطق الظل، ووحدة تحسين الميزات متعددة المقاييس (MFRM) لتحسين دقة التصنيف والدقة المكانية عبر مقاييس الأجسام المتنوعة.
تظهر النتائج التجريبية أن MLFANet تتفوق بشكل كبير على أجهزة الكشف المتطورة في مجموعة بيانات اكتشاف الأهداف الصوتية تحت الماء (UATD)، حيث تحقق دقة متوسطة (mAP) تبلغ 81.86%، وهو تحسن بنسبة 7.85% عن أفضل نموذج موجود. كما تسلط الدراسة الضوء على فعالية الوحدات المقترحة من خلال دراسات الإزالة، مؤكدة على مساهماتها في تحسين أداء الاكتشاف. ومع ذلك، يشير المؤلفون إلى أن الطريقة تتطلب عددًا أكبر من عينات التدريب، مما يشير إلى اتجاه للبحث المستقبلي لتطوير طرق اكتشاف مناسبة للسيناريوهات ذات البيانات المحدودة.
مقدمة
تناقش مقدمة ورقة البحث أهمية تقنية السونار في الاستكشاف تحت الماء، مع تسليط الضوء على تطبيقاتها في تطوير الموارد البحرية، والدراسات العلمية، والدفاع الوطني. يتم التأكيد على أنظمة السونار ذات الرؤية الأمامية (FLS) لقدرتها على تحديد المواقع، والتصوير، والتعرف على الأهداف تحت الماء من خلال نقل الموجات الصوتية واستقبال الصدى. ومع ذلك، فإن اكتشاف الأجسام في صور السونار معقد بسبب العوامل البيئية مثل ضوضاء ارتداد قاع البحر، وظلال الرواسب، والفوضى الخلفية، مما يؤدي إلى تحديات مثل انخفاض دقة الاكتشاف وارتفاع معدلات الإيجابيات الكاذبة.
تستعرض الورقة الطرق الحالية لاكتشاف الأجسام في السونار، مشيرة إلى أن تقنيات استخراج الميزات التقليدية المصممة يدويًا المدمجة مع المصنفات (مثل SVM، AdaBoost، KNN) لها قيود في البيئات تحت الماء المعقدة. في المقابل، ظهرت الشبكات العصبية التلافيفية (CNNs) كبديل قوي، مما يحسن بشكل كبير من أداء الاكتشاف. تم تكييف أطر عمل مختلفة تعتمد على CNN، مثل Faster R-CNN وYOLO، لصور السونار، لكنها لا تزال تواجه مشاكل مثل تداخل الضوضاء وتغير مقاييس الأجسام. لمعالجة هذه التحديات، يقترح المؤلفون شبكة جديدة لتجميع الميزات متعددة المستويات (MLFANet)، التي تتضمن وحدات متخصصة لتعزيز الميزات منخفضة المستوى، وتحسين تمثيلات الأجسام، ومعالجة تغير المقاييس. يتم التحقق من النموذج المقترح من خلال تجارب موسعة، مما يظهر أداءً متفوقًا على الطرق الحالية في السيناريوهات تحت الماء المعقدة.
الطرق
في هذا القسم، يصف المؤلفون المنهجية المستخدمة لتعزيز اكتشاف الأجسام في صور السونار FLS باستخدام نسخة معدلة من كاشف YOLOX، المسمى MLFANet. تتضمن البنية ثلاثة مكونات رئيسية: وحدة الانتباه منخفض التردد (LFAM)، وحدة تعزيز الميزات العميقة (DFEM)، ووحدة تحسين الميزات المتعددة (MFRM). تم تصميم LFAM لتضخيم معلومات الميزات السطحية (C1، C2، وC3) من الشبكة الأساسية، مما يحسن دقة تحديد مواقع الأجسام في البيئات ذات ضوضاء ارتداد قاع البحر المعقدة. من ناحية أخرى، تركز DFEM على تحسين تمثيلات الميزات العميقة (C4 وC5) للقضاء على التكرار وتحسين أداء الاكتشاف تحت تداخل الظلال.
علاوة على ذلك، يتم دمج DFEM في هيكل العنق للنموذج لتسهيل دمج دقيق لخرائط الميزات متعددة المقاييس من خلال توليد أوزان الانتباه. تعزز هذه الطريقة من قدرات تمثيل خرائط الميزات مع التخفيف من تأثير ضوضاء الفوضى. لمعالجة القضايا المتعلقة بعدم توازن فئات العينات وتعقيد الحسابات، يستخدم المؤلفون مجموعة من دوال خسارة تقاطع الاتحاد الكامل (CIoU) وإطار التعلم العميق (DLF) لتحسين معلمات النموذج.
المناقشة
في قسم المناقشة من ورقة البحث، يؤكد المؤلفون على الدور الحاسم لاستخراج الميزات متعددة المقاييس في تعزيز دقة وموثوقية طرق اكتشاف الأجسام المعتمدة على CNN، خاصة لصور السونار. يستعرضون تقنيات مختلفة، مثل الهياكل التلافيفية متعددة المقاييس، وشبكات هرم الميزات، واستراتيجيات الاستخراج التكيفية، مع تسليط الضوء على مساهماتها في تحسين أداء النموذج. بشكل ملحوظ، يقدمون وحدة تجميع الميزات منخفضة المستوى (LFAM)، التي تهدف إلى التقاط الميزات منخفضة المستوى مثل القوام والحواف التي غالبًا ما تضيع أثناء المعالجة التلافيفية، مما يعزز دقة تحديد المواقع لاكتشاف الأجسام في السونار.
يتناول المؤلفون أيضًا أهمية دمج الميزات السياقية، خاصة لاكتشاف الأجسام الصغيرة في البيئات الصعبة مثل السيناريوهات تحت الماء. يناقشون الطرق الحالية لدمج الميزات السياقية ويقترحون وحدة استخراج الميزات التمييزية (DFEM) للتخفيف من تمثيل الميزات الزائدة وتعزيز الميزات البارزة. علاوة على ذلك، يقدمون وحدة تحسين الميزات متعددة المقاييس (MFRM)، المصممة لتحسين استخراج الميزات في وجود تشوه الأجسام والفوضى، مما يضمن اكتشافًا دقيقًا عبر مقاييس متنوعة. يختتم القسم بوصف استراتيجية تحسين دالة الخسارة التي تجمع بين خسائر CIoU وNWD لتحسين انحدار الصندوق المحيط، خاصة للأجسام الصغيرة، مما يعزز الأداء العام لاكتشاف بنية MLFANet المقترحة.
DOI: https://doi.org/10.3389/fmars.2025.1539371
Publication Date: 2025-04-16
Author(s): Zhen Wang et al.
Primary Topic: Underwater Acoustics Research
Overview
The research paper presents a novel multi-level feature aggregation network (MLFANet) aimed at enhancing object detection in forward-looking sonar (FLS) images, which are critical for autonomous underwater vehicles (AUVs). The underwater acoustic environment poses significant challenges, including noise, scattering, and echo interference, which diminish the accuracy and robustness of existing detection methods. To address these issues, MLFANet incorporates three innovative modules: the low-level feature aggregation module (LFAM) to enhance essential image features affected by seabed reverberation noise, the discriminative feature extraction module (DFEM) to suppress redundant features in shadow regions, and the multiscale feature refinement module (MFRM) to improve classification accuracy and positional precision across varying object scales.
Experimental results demonstrate that MLFANet significantly outperforms state-of-the-art detectors on the Underwater Acoustic Target Detection (UATD) dataset, achieving a mean average precision (mAP) of 81.86%, which is an improvement of 7.85% over the best existing model. The study also highlights the effectiveness of the proposed modules through ablation studies, confirming their contributions to enhanced detection performance. However, the authors note that the method requires a larger number of training samples, indicating a direction for future research to develop detection methods suitable for scenarios with limited data.
Introduction
The introduction of the research paper discusses the significance of sonar technology in underwater exploration, highlighting its applications in marine resource development, scientific studies, and national defense. Forward-looking sonar (FLS) systems are emphasized for their capabilities in positioning, imaging, and recognizing underwater targets through sound wave transmission and echo reception. However, the detection of objects in sonar images is complicated by environmental factors such as seabed reverberation noise, sediment shadows, and background clutter, which lead to challenges like low detection accuracy and high false positive rates.
The paper reviews existing methods for sonar object detection, noting that traditional hand-crafted feature extraction techniques combined with classifiers (e.g., SVM, AdaBoost, KNN) have limitations in complex underwater environments. In contrast, convolutional neural networks (CNNs) have emerged as a powerful alternative, significantly improving detection performance. Various CNN-based frameworks, such as Faster R-CNN and YOLO, have been adapted for sonar images, but they still struggle with issues like noise interference and object scale variation. To address these challenges, the authors propose a novel multi-level feature aggregation network (MLFANet), which incorporates specialized modules for enhancing low-level features, refining object representations, and addressing scale variations. The proposed model is validated through extensive experiments, demonstrating superior performance over existing methods in complex underwater scenarios.
Methods
In this section, the authors describe the methodology employed to enhance object detection in FLS sonar images using a modified version of the YOLOX detector, termed MLFANet. The architecture incorporates three key components: the Low-Frequency Attention Module (LFAM), the Deep Feature Enhancement Module (DFEM), and the Multi-Feature Refinement Module (MFRM). The LFAM is designed to amplify shallow feature information (C1, C2, and C3) from the backbone network, thereby improving object positioning accuracy in environments with complex seabed reverberation noise. Conversely, the DFEM focuses on refining deep feature representations (C4 and C5) to eliminate redundancy and optimize detection performance under shadow interference.
Furthermore, the DFEM is integrated into the neck structure of the model to facilitate fine-grained fusion of multi-scale feature maps through the generation of attention weights. This approach enhances the representation capabilities of the feature maps while mitigating the impact of clutter noise. To address issues related to sample category imbalance and computational complexity, the authors employ a combination of the Complete Intersection over Union (CIoU) and Deep Learning Framework (DLF) loss functions for model parameter optimization.
Discussion
In the discussion section of the research paper, the authors emphasize the critical role of multi-scale feature extraction in enhancing the accuracy and robustness of CNN-based object detection methods, particularly for sonar images. They review various techniques, such as multi-scale convolution structures, feature pyramid networks, and adaptive extraction strategies, highlighting their contributions to improving model performance. Notably, they introduce the Low-level Feature Aggregation Module (LFAM), which aims to capture low-level features like texture and edges that are often lost during convolutional processing, thereby enhancing positioning precision for sonar object detection.
The authors also address the importance of contextual feature fusion, particularly for small object detection in challenging environments like underwater scenarios. They discuss existing methods for context feature fusion and propose the Discriminative Feature Extraction Module (DFEM) to mitigate redundant feature representation and enhance salient features. Furthermore, they introduce the Multi-scale Feature Refinement Module (MFRM), designed to refine feature extraction in the presence of object deformation and clutter, ensuring accurate detection across varying scales. The section concludes with a description of the loss function optimization strategy that combines CIoU and NWD losses to improve bounding box regression, particularly for small objects, thus enhancing the overall detection performance of the proposed MLFANet architecture.