基于质量驱动和多样性感知的鲁棒海洋障碍物分割样本扩展

这篇研究论文通过关注提高障碍物分割的鲁棒性，解决了海洋机器人和自主系统中的一个关键挑战。 质量驱动和多样性感知的样本扩展方法为增强复杂海洋环境中的性能提供了一条有前景的途径。

• •侧重于提高水下环境中障碍物检测的准确性。
• •采用一种新颖的样本扩展方法，同时利用质量和多样性。
• •可能提高自主水下航行器（AUV）和其他海洋机器人应用领域的性能。