# 水下目标检测

水下文化遗产检测长期缺少专用标注数据，彩色图像又受选择性吸收与散射造成的色偏和边界衰减影响。新构建的WRF数据集汇集墨西哥湾、黑海与地中海的4732幅图像、17059个标注实例和21类文物与船体构件，并配套由Depth Anything V2估计的深度图。UCH-Net以RGB与深度双流提取外观和几何线索，用颜色偏置感知融合模块按局部色偏调节彩色特征，在WRF上取得77.5%的mAP和88.0%的mAP75，在RUOD上mAP为66.0%。

水下文化遗产检测长期缺少专用标注数据，彩色图像又受选择性吸收与散射造成的色偏和边界衰减影响。新构建的WRF数据集汇集墨西哥湾、黑海与地中海的4732幅图像、17059个标注实例和21类文物与船体构件，并配套由Depth Anything V2估计的深度图。UCH-Net以RGB与深度双流提取外观和几何线索，用颜色偏置感知融合模块按局部色偏调节彩色特征，在WRF上取得77.5%的mAP和88.0%的mAP75，在RUOD上mAP为66.0%。

水下图像常因光衰减、颗粒散射和光照不均出现偏色、低对比与边缘模糊，而公开数据集覆盖的退化类型和强度有限。GDH-Det从真实图像提取水色、浑浊度和模糊程度作为退化条件，用条件扩散网络结合边界框掩码生成强度连续变化的退化图像，再按目标区域结构和检测可信度筛选样本。检测器训练时按分类不确定性、定位偏差和扰动响应计算样本难度并调整采样概率，在URPC2020、DUO、UODD和Brackish上mAP@0.5分别为85.3%、79.6%、66.2%和84.7%。

水下图像常因光衰减、颗粒散射和光照不均出现偏色、低对比与边缘模糊，而公开数据集覆盖的退化类型和强度有限。GDH-Det从真实图像提取水色、浑浊度和模糊程度作为退化条件，用条件扩散网络结合边界框掩码生成强度连续变化的退化图像，再按目标区域结构和检测可信度筛选样本。检测器训练时按分类不确定性、定位偏差和扰动响应计算样本难度并调整采样概率，在URPC2020、DUO、UODD和Brackish上mAP@0.5分别为85.3%、79.6%、66.2%和84.7%。