近年来，水下目标检测技术的应用越来越广泛，例如在水下生态监测、水下管道检修、沉船捕捞等任务中。对于水下目标检测的方式主要有高清视像、侧扫声呐、合成孔径、多波束、前视声呐和磁梯度仪等方法。基于光学图像的检测方式分辨率较高、灵活性好，在近距离的水下目标检测任务中具有显著优势。

　　与自然环境下的目标检测不同，水下图像的成像与水体对不同波长光的吸收和衰减、目标距离和光源的光谱分布相关。由于蓝色波长较短且传播距离长，因此，水下图像呈现蓝绿色。人工光源的使用可以增加水下可视距离，但同时也会导致图像上亮斑存在，而且使用人工光源会导致水下悬浮物散射更加严重。因此，水下图像存在以下特点：低对比度、非均匀光照、模糊、亮斑和各种复杂因素导致的高噪声。且由于水下环境复杂，水下图像难以获取，水下数据集相对自然环境下的数据集少。水下生物目标小且分布密集，存在重叠遮挡现象。现有的目标检测算法在复杂的水下环境下的精确度有限，因此，水下目标检测任务面临诸多挑战，如何在复杂的水下环境中，精准快速地检测到目标是急需解决的问题。

　　近年来，国内外研究人员对基于光学图像的水下目标探测关键技术进行了大量研究，水下目标检测技术取得了快速发展，一些研究人员对检测中的关键技术进行了总结。YANGM等对一系列水下的图像增强及复原的算法进行了系统归纳，对水下场景的代表性方法进行了详细的客观评价和分析，HANM等总结了水下图像智能去雾和色彩还原算法，LIUR等对一系列水下图像增强算法综述。林森等总结了水下光学目标探测中的关键技术，但没有对数据集进行分析，目前仍缺少针对水下目标检测数据集分析，以及针对水下目标检测难点的算法总结。

　　本文针对水下目标检测存在的难点问题对水下目标检测算法进行了总结；总结了现有的水下图像目标检测数据集，并对具有代表性的数据集进行分析；总结了近五年来国内外研究人员的在水下目标检测上的研究进展；应用FasterRCNN和YOLOV3为基本型，结合数据增强、图像增强、高分辨率网络等可以提升目标检测性能的方法，比较了每种增强方法相较于基本型性能的提升；讨论了水下目标检测技术的进一步的发展方向。

       对于目标检测算法尤其是基于深度学习的目标检测算法，需要大量的数据进行训练，但由于水下环境复杂，水下图像难以获取，所以目前没有较为完整的公开的大型水下图像目标检测数据集，现有的水下目标检测数据集存在目标单一、类别分组较少等一系列问题，本节总结了学者们在水下光学目标检测算法研究中公开采用的数据集，共包括10个数据集，对数据集的总结如表1所示，并给出了下载链接。对其中具有代表性的3个水下目标检测数据集进行详细分析。

       水下目标检测技术对于海洋信息探索中具有重要的意义，受到越来越多学者的关注，通过对国内外水下目标检测算法的调研总结，虽然基于光学图像的水下目标探测关键技术取得了许多研究成果，但仍存在一些问题需要进一步探讨，可以从以下几个方面入手。

　　⑴生成大规模的水下数据集自然环境下的目标检测算法发展迅速，一些在自然环境下的解决思路可以应用于水下环境中解决水下目标检测过程的问题。例如在解决数据集数量较少的问题时，传统的目标检测技术通常都需要大量的样本，并且需要大量的时间训练，促进了少样本学习的发展，研究人员开发出零样本学习、一样本学习、少样本学习，FANQ等将少样本学习应用于自然环境中的目标检测过程中，结合注意力机制和多关系检测器，并在FSOD自然环境下的数据集上进行验证，

检测效果相较于基本模型AP50提升了0.125，效果提升明显。水下目标检测用数据集存在样本数量较少的问题，可以将少样本学习应用于水下，提升水下目标检测算法性能。由于数据量较少，可以利用GAN网络生成仿真的数据集，提升模型的鲁棒性，但是实验表明，利用GAN网络进行数据增强，只有在数据量特别少的情况下，对目标检测性能有提升，对于大部分目标检测任务，提升不大甚至降低了目标检测性能。

　　⑵进一步研究深度学习网络基于传统的水下目标检测技术泛化能力差，更换检测目标时，需要重新设计特征，难以进行突破，基于深度学习的目标检测技术可以大大提升目标检测的性能，但深度学习算法可解释性差，在预处理过程中，发现一些基于深度学习的水下图像复原或增强技术，增强效果可视性较好，或者评价指标较高，但是对于目标检测性能并没有提升甚至对性能有所影响。在这方面还需进一步研究，例如研究针对目标检测性能提升的图像增强技术，以及对无监督算法、自监督算法和动态神经网络的研究。在基于深度学习的目标检测算法中，算法对于训练集类似的环境中检测效果好，但是在不同失真类型环境下检测效果差，如何学习生物视觉的处理方式，学习人类的思考方式，也是一个可以考虑的提升目标检测性能的方向。

　　⑶将自然环境中的目标检测技术应用到水下自然环境下的目标检测技术发展迅速，目前较为先进的自然环境中的目标检测算法，例如基于Tranformer的DETR、CascadeRCNN、YOLOF、Varifocalnet等目标检测网络，如何克服水下环境的局限，将自然环境下的目标检测算法迁移到水下，并且能够满足实时检测的需求，对于水下目标检测技术的发展具有重要的意义，这是我们以后的工作。