期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到64篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
感知增强混合网络的水下目标检测
1
作者 姚婷婷 李宁 张煜 《光学精密工程》 北大核心 2025年第8期1303-1312,共10页
水下目标检测技术在海洋资源勘探、环境保护等领域发挥着重要作用。然而,水下环境存在成像模糊、目标尺度多变等问题给检测任务带来了难度。为提高水下目标检测精度,提出一种感知增强混合网络。首先,构建全局-局部混合增强特征提取主干... 水下目标检测技术在海洋资源勘探、环境保护等领域发挥着重要作用。然而,水下环境存在成像模糊、目标尺度多变等问题给检测任务带来了难度。为提高水下目标检测精度,提出一种感知增强混合网络。首先,构建全局-局部混合增强特征提取主干网络,利用自注意力机制求取图像中的长程全局信息,进一步构建卷积注意力增强模块提取更丰富的图像局部细节信息。通过在特征提取过程中更好地捕获图像全局和局部特征关联,增强各尺度特征描述的判别性;随后,为提高成像模糊对比低时的目标检测精度,构建目标感知增强双阶段检测头。通过增加一阶段区域提议生成网络的深度,在低质图像中提取更多目标语义信息,并通过在二阶段引入自注意力机制,抑制背景或次要信息干扰。进一步引入目标检测交并比分支,将一阶段目标先验信息融入二阶段分类求解中,提高不同种类目标的检测精度。所提方法在水下目标检测数据集TrashCan与WPBB上的mAP0.5:0.95和AP50分别达到了37.8%,61.8%和82.0%,98.9%。定性和定量的对比实验结果表明,模型对不同种类水下目标均具有良好的检测准确性和鲁棒性。 展开更多
关键词 水下目标检测 特征增强 自注意力机制 混合网络
在线阅读 下载PDF
融合多种注意力机制和Wise-IoUv3的水下目标检测算法
2
作者 肖振久 高凯歌 李士博 《广东海洋大学学报》 北大核心 2025年第2期109-117,共9页
【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效... 【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效的多尺度注意力机制(EMA),提升主干网络对模糊目标和小目标特征提取能力。其次,改进快速空间金字塔池化(SPPF)模块,增加平均池化分支补充空间信息,提升全局上下文感知能力并在两个分支融入轻量级BiFormer注意力机制,降低模型计算复杂度,增强对小目标检测性能。然后,在预测阶段,用Wise-IoUv3代替原损失函数,平衡不同质量图像模型训练结果。最后,用动态检测头(DynamicHead)替代原检测头,增强检测头的尺度感知、空间感知和任务感知能力,提高对象位置的识别准确性。【结果与结论】在RUOD和URPC数据集上实验结果表明,模型的检测精度、参数量和计算量较目前其他的主流模型表现良好,特别是与YOLOv8n算法相比,改进后算法在平均精度均值上提升3.6%和1.7%,尤其在包含大量小目标的类别(如海胆、扇贝)中表现更优;模型的参数量和计算量分别减少了0.26×10^(6)和0.4 GFLOPs。实验结果表明,该方法减少了在复杂情况下模糊目标和小目标漏检和误检情况,提高了检测性能,同时保持了模型的轻量性。 展开更多
关键词 水下目标检测 多尺度特征增强机制 多尺度注意力机制 全维动态卷积 Wise-IoUv3
在线阅读 下载PDF
结合目标特征增强与语义-位置路径聚合的水下目标检测
3
作者 宋巍 倪舟 +2 位作者 梁纪辰 张明华 王建 《计算机工程与应用》 北大核心 2025年第15期93-110,共18页
针对水下图像质量差、目标多尺度和严重遮挡导致的漏检和误检等问题,提出一种结合目标信息增强与语义-位置路径聚合的水下目标检测模型。该模型以RT-DETR框架为基础,提出了边缘特征多尺度注入模块(multiscale injection for edge featur... 针对水下图像质量差、目标多尺度和严重遮挡导致的漏检和误检等问题,提出一种结合目标信息增强与语义-位置路径聚合的水下目标检测模型。该模型以RT-DETR框架为基础,提出了边缘特征多尺度注入模块(multiscale injection for edge features module,MSI-Edge),将边缘信息注入深层网络中,强化了模型对小目标的感知能力;同时,提出了全局-局部特征增强模块(global-local feature enhancement module,GLF-Enhance)来替代编码器中的传统多头自注意力机制,增强对目标全局和局部信息的学习能力,并加速模型推理;进而,设计了一种新的结合语义-位置路径聚合网络(semantic-location path aggregation network,SL-PAN),利用高层特征作为权重来指导低层特征中的语义信息学习,再使用低层特征作为权重来指导高层特征中的位置信息学习,从而有效缓解多尺度特征融合过程中信息传递退化的问题。在公开水下数据集上进行实验验证,相较基准模型RT-DETR(ResNet50主干网络),在URPC数据集上AP、AP^(50)、AP^(75)指标分别提升了约3.2、3.0和2.7个百分点;在DUO数据集上分别提升了2.9、2.7、3.0个百分点,同时有效降低了误检和漏检率。消融实验验证了各模块的有效性。整体性能与主流目标检测器及最新水下目标检测器相比,达到了较好水平。 展开更多
关键词 水下目标检测 语义-位置路径聚合网络 边缘特征多尺度注入 RT-DETR模型 全局-局部特征增强
在线阅读 下载PDF
改进YOLOv8n的多尺度轻量化水下目标检测 被引量：1
4
作者 苗力恒 田莹 《电子测量与仪器学报》 北大核心 2025年第4期141-151,共11页
由于水下检测仪器的存储和计算资源有限,使用高参数量的模型会占用更多的存储空间和计算能力。为了解决这一问题,提出了一种基于YOLOv8n改进的目标检测模型—YOLOv8n-MAL,该模型在保持检测精度的同时,实现了整体的轻量化。首先,提出了... 由于水下检测仪器的存储和计算资源有限,使用高参数量的模型会占用更多的存储空间和计算能力。为了解决这一问题,提出了一种基于YOLOv8n改进的目标检测模型—YOLOv8n-MAL,该模型在保持检测精度的同时,实现了整体的轻量化。首先,提出了一种轻量型多尺度注意力机制(MSCBAM),通过不同大小的卷积核和池化操作,能够从输入特征图中提取不同尺度的特征,可以提升模型在复杂场景中的鲁棒性,确保模型在面对不同类型的输入时都能维持较高的检测精度。然后,设计新的颈部模型MSFFN,对比原颈部模型增强了模型多尺度融合的能力,加强了不同层级特征的交互,使得高层次和低层次特征能够更加充分地结合,这种跨层级融合能够更有效地利用网络的特征表示能力,避免信息在传递过程中的丢失或弱化,进而提升模型的检测效果。其次,提出了轻量多尺度卷积模块(LMSCM),并将该模块和部分卷积融入到C2F模块中构成PC2F-LMS,通过引入更高效的卷积结构和轻量化设计,增强了特征提取和表达的能力。最后,使用WIoU优化原网络损失函数。实验结果表明,改进后的算法在URPC数据集上的平均精度均值(mAP)mAP@0.5提高了1.4%,与YOLOv8n算法相比参数量下降了38.6%,为水下目标检测提供了有效的参考价值。 展开更多
关键词 水下目标检测 YOLOv8n 轻量化 多尺度特征融合 计算机视觉
在线阅读 下载PDF
IEMAyoloViT:基于改进YOLOv8的水下目标检测算法
5
作者 施克权 李祺 +1 位作者 隋皓 朱宏娜 《电讯技术》 北大核心 2025年第1期54-62,共9页
针对光学成像技术受到光线衰减、散射等因素影响,图像质量和目标分辨率较差,不利于开展水下目标检测任务的问题,提出了一种高效水下目标检测框架IEMAyoloViT。该框架结合了改进Vision Transformer(ViT)主干的YOLOv8算法YOLOViT和一种融... 针对光学成像技术受到光线衰减、散射等因素影响,图像质量和目标分辨率较差,不利于开展水下目标检测任务的问题,提出了一种高效水下目标检测框架IEMAyoloViT。该框架结合了改进Vision Transformer(ViT)主干的YOLOv8算法YOLOViT和一种融合多尺度高效空间注意力机制(Efficient Multi-scale Attention,EMA)的C2f模块,以解决目标特征提取过程中注意力分散的问题。同时改进了Inner-CIoU损失函数,基于不同尺度的辅助边界加速边界框回归。实验结果表明,在全国水下机器人大赛(Underwater Robot Professional Contest,URPC)2021数据集中,IEMAyoloViT的mAP50高达83.2%,较YOLOv8高9.2%;mAP50:95较YOLOv8高1.0%,证明了IEMAyoloViT的有效性和应用潜力。 展开更多
关键词 水下目标检测 深度学习 视觉自注意力模型 注意力机制
在线阅读 下载PDF
跨尺度特征融合的自适应水下目标检测算法
6
作者 李海龙 黄孙港 饶兴昌 《电子测量技术》 北大核心 2025年第13期129-138,共10页
水下目标检测常面临复杂环境干扰、检测系统不稳定以及检测精度低等问题。为此,本文提出了一种基于自适应特征提取与跨尺度特征融合策略的轻量化目标检测算法WAD-YOLOv8。首先,在主干网络中引入基于上下文信息的残差特征提取模块(CCRF)... 水下目标检测常面临复杂环境干扰、检测系统不稳定以及检测精度低等问题。为此,本文提出了一种基于自适应特征提取与跨尺度特征融合策略的轻量化目标检测算法WAD-YOLOv8。首先,在主干网络中引入基于上下文信息的残差特征提取模块(CCRF),增强模型对全局和局部信息的综合能力。其次,采用可变大核卷积注意力机制引导的轻量化模块(ADFE),使网络在下采样阶段能够自适应调整采样特征,提高目标特征提取的精准性。最后,重构颈部网络特征融合策略,增加新的跨尺度特征融合连接,增强模型的抗干扰能力和多尺度目标检测性能。试验结果表明,WAD-YOLOv8在模型参数量和计算量均低于基准模型的情况下,检测精度提升了3.0%,平均检测精度mAP50提高了2.6%,推理速度达到64 FPS。与经典算法相比,WAD-YOLOv8在复杂水下场景中表现出更优的检测效果和更高的稳定性,为水下移动检测平台提供了一种高效、轻量化的目标检测解决方案。 展开更多
关键词 水下目标检测 YOLOv8 可变大核卷积 特征金字塔 自适应
在线阅读 下载PDF
采用多信息残差融合和多尺度特征表达的水下目标检测
7
作者 付均尚 田莹 《计算机工程与应用》 北大核心 2025年第11期272-283,共12页
为了改善由于水下图像模糊和水下环境复杂而导致现有的水下目标检测模型效果不佳,模型检测精度低等问题,提出一种改进YOLOv7的目标检测模型YOLOv7-RMC,提高水下目标检测的性能。为了能够在模糊的图像中提取到更关键的信息设计了一种多... 为了改善由于水下图像模糊和水下环境复杂而导致现有的水下目标检测模型效果不佳,模型检测精度低等问题,提出一种改进YOLOv7的目标检测模型YOLOv7-RMC,提高水下目标检测的性能。为了能够在模糊的图像中提取到更关键的信息设计了一种多信息残差融合注意力机制(residual fusion global attention mechanism,RGAM),解决随着网络层次的加深上下文特征信息丢失的问题,加强模型的特征信息提取能力。为解决远景近景目标信息丢失和小目标缺陷信息丢失问题,对原颈部网络结构进行优化重构,引入多尺度浅层特征融合网络(multi-scale shallow feature fusion network,MSFN)结构,通过多次深层特征融合与浅层特征之间的信息交互,提高目标检测精度。在优化后的颈部网络MSFN中引入轻量级上采样算子模块(content aware reassembly of feature,CARAFE),通过特征重组和特征扩张改善网络的特征融合能力保留更多的目标信息。实验结果表明,该算法在URPC数据集和Brackish数据集上的平均精度(mAP@0.5)达到87.4%和97.9%,相较于原始的YOLOv7网络模型mAP@0.5提高了2.3和0.9个百分点,提高了模型的检测能力,具有很强的实用性。 展开更多
关键词 水下目标检测 特征融合 注意力机制 YOLOv7 计算机视觉
在线阅读 下载PDF
深度学习在水下目标检测与腐蚀评估中的应用进展 被引量：1
8
作者 杨进 李阳 +3 位作者 曾辉 张海龙 朱庆军 段继周 《腐蚀与防护》 CAS CSCD 北大核心 2024年第9期57-66,共10页
随着海洋资源的不断开发和海洋环境的持续变化,水下目标检测和腐蚀评估在海洋工程、海洋资源开发和水下基础设施维护等领域发挥着重要作用。两种技术虽路线不同却有交叉,在一定程度上是相互关联的。综述了近年来深度学习技术在水下目标... 随着海洋资源的不断开发和海洋环境的持续变化,水下目标检测和腐蚀评估在海洋工程、海洋资源开发和水下基础设施维护等领域发挥着重要作用。两种技术虽路线不同却有交叉,在一定程度上是相互关联的。综述了近年来深度学习技术在水下目标检测与腐蚀评估中的应用现状,首先介绍了水下目标检测和腐蚀评估的背景,然后分别对深度学习技术在水下目标检测和腐蚀评估方面的应用现状进行了简要分析,最后讨论了目前水下目标检测和腐蚀评估在深度学习的影响下面临的挑战以及未来的研究方向。 展开更多
关键词 水下目标检测 水下腐蚀检测 图像增强 深度学习
在线阅读 下载PDF
改进YOLOv7的轻量化水下目标检测算法 被引量：16
9
作者 辛世澳 葛海波 +2 位作者 袁昊 杨雨迪 姚洋 《计算机工程与应用》 CSCD 北大核心 2024年第3期88-99,共12页
针对水下设备内存和计算能力有限和水下环境复杂造成的目标错检和漏检问题,提出一种轻量级水下目标检测方法 YOLOv7-SDBB。在YOLOv7的骨干网络上引入ShuffleNetv2轻量级网络,降低特征提取网络的参数量和计算量;设计了D-ELAN和D-MPConv模... 针对水下设备内存和计算能力有限和水下环境复杂造成的目标错检和漏检问题,提出一种轻量级水下目标检测方法 YOLOv7-SDBB。在YOLOv7的骨干网络上引入ShuffleNetv2轻量级网络,降低特征提取网络的参数量和计算量;设计了D-ELAN和D-MPConv模块,在进一步实现网络轻量化的同时提高模型检测速度;由于水下检测过程中容易出现错检、漏检的现象,利用BiFPN(bidirectional feature pyramid network)进行多尺度特征融合,融合深层的特征信息;针对BiFPN特征融合导致的特征信息丢失的问题,采用BiFormer注意力机制保留关键信息,提高目标检测精度。实验结果表明,改进后模型在URPC2020数据集上的精度提高了2.7个百分点,参数量和计算量分别下降了20.3%和41.7%,检测速度提升至100.9 FPS,从而验证了提出的算法在精度和速度之间取得了很好的平衡。 展开更多
关键词 轻量级网络 水下目标检测 YOLOv7 稀疏注意力机制
在线阅读 下载PDF
基于YOLOv8的轻量化水下目标检测算法 被引量：4
10
作者 梁秀满 赵佳阳 于海峰 《红外技术》 CSCD 北大核心 2024年第9期1015-1024,共10页
针对复杂水下环境导致水下目标检测时出现误检、漏检以及检测效率低等问题,提出了一种改进YOLOv8模型的轻量化水下目标检测算法。首先,为了改善颈部网络特征融合不足的问题,将YOLOv8的颈部网络融合(Bidirectional Feature Pyramid Netwo... 针对复杂水下环境导致水下目标检测时出现误检、漏检以及检测效率低等问题,提出了一种改进YOLOv8模型的轻量化水下目标检测算法。首先,为了改善颈部网络特征融合不足的问题,将YOLOv8的颈部网络融合(Bidirectional Feature Pyramid Network,BiFPN)双向特征金字塔结构,提高小目标层的检测效果;其次,针对网络中卷积模块参数量大和计算复杂度高的问题,设计了一种自适应注意力下采样(Adaptive-Attention Down-Sampling,AADS)模块,将主干网络中的卷积模块替换为AADS模块,降低模型参数量和计算量;最后,引入大可分离核注意力机制(Large Separable Kernel Attention,LSKA),强化特征提取能力,使模型能够更精确地关注重要信息,提高目标检测精度。将改进的网络在水下目标检测数据集中进行实验,改进后的算法与YOLOv8相比,平均检测精度提升了1.4%,模型计算复杂度降低了15.9%,模型参数量减少了43.3%,使检测精度和检测速度之间达到了很好的平衡。 展开更多
关键词 YOLOv8 水下目标检测 大可分离核注意力机制 轻量化 多尺度特征融合
在线阅读 下载PDF
基于改进YOLOv8的水下目标检测算法
11
作者 李大海 李冰涛 王振东 《计算机应用》 CSCD 北大核心 2024年第11期3610-3616,共7页
由于水下生物的特性,水下图像中存在较多难以检测的小目标,且目标之间经常相互遮挡,而水下环境中的光线吸收和散射也会造成水下图像的颜色偏移和模糊。针对上述问题,提出水下目标检测算法WCA-YOLOv8。首先,设计特征融合模块(FFM),增强... 由于水下生物的特性,水下图像中存在较多难以检测的小目标,且目标之间经常相互遮挡,而水下环境中的光线吸收和散射也会造成水下图像的颜色偏移和模糊。针对上述问题,提出水下目标检测算法WCA-YOLOv8。首先,设计特征融合模块(FFM),增强对空间维度信息的关注,提升对模糊和颜色偏移目标的识别能力;其次,加入FCA(FReLU Coordinate Attention)模块,增强对相互重叠、遮挡水下目标的特征提取能力;再次,为了提高模型对水下小目标的检测性能,将完整交并比(CIoU)损失函数替换为WIoU v3(Wise-IoU version 3)损失函数;最后,设计下采样增强模块(DEM),使特征提取过程中保存的上下文信息更完整,改善水下目标检测的性能。RUOD和URPC数据集上的实验结果表明,WCA-YOLOv8的检测平均精度均值(mAP0.5)分别为75.8%和88.6%,检测速度分别为60 frame/s和57 frame/s。与其他前沿的水下物体检测算法相比,WCA-YOLOv8不仅能够获得更高的检测准确性,还可达到更快的检测速度。 展开更多
关键词 YOLOv8 水下目标检测 特征融合 WIoU v3损失函数
在线阅读 下载PDF
基于轻量级改进的YOLOv8水下目标检测模型
12
作者 周志耀 马常霞 +2 位作者 杨丽莎 仲兆满 胡文彬 《电子测量技术》 北大核心 2024年第19期181-189,共9页
在恶劣和多变的水下环境中工作的设备是进行水下研究和开发的基本保障。现阶段的水下目标检测模型参数量和计算量过大,在资源有限的水下设备上部署受限。为解决水下检测模型参数量和计算量过大问题,提出一种轻量级的水下目标检测模型RCE... 在恶劣和多变的水下环境中工作的设备是进行水下研究和开发的基本保障。现阶段的水下目标检测模型参数量和计算量过大,在资源有限的水下设备上部署受限。为解决水下检测模型参数量和计算量过大问题,提出一种轻量级的水下目标检测模型RCE-YOLO。首先,利用RFAConv的空间注意力权重来改进CBS处理接受域信息的能力和提升C2f对空间特征信息融合的能力,增强模型对小密集目标的检出能力。其次,融合CCFM与Dysample模块,该融合模块能够更有效的利用不同尺度信息并通过内部的点采样方法减少原先采样产生的模糊和失真。最后,在SPPF前向传播过程中融合高效多尺度注意力机制,该机制使得模型重点关注水下目标关键信息,降低误检率和错检率。实验结果表明,改进的轻量级模型在数据集DUO上进行验证,mAP50、mAP50:90值分别达到83.6%、64.2%,相较于YOLOv8基准模型mAP50、mAP50:90值分别提升了1.4%、1.2%,参数量和计算量分别下降了32.3%、0.9 G。相较于其他目标检测模型满足了恶劣多变环境下的水下目标检测需求,为水下设备轻量级部署奠定基础。 展开更多
关键词 水下目标检测 轻量化 RFA卷积模块 CCFM模块 注意力机制
在线阅读 下载PDF
基于光强—光谱—偏振信息融合的水下目标检测 被引量：3
13
作者 陈哲 王慧斌 +1 位作者 沈洁 徐立中 《通信学报》 EI CSCD 北大核心 2013年第3期192-198,共7页
由于图像建模及参数估计的困难和复杂性,水下目标检测算法的性能受到了严重影响。受水下生物视觉信息处理机制的启发,针对特殊的水下光学环境提出一种新的基于光强—光谱—偏振的仿生信息融合目标检测方法,能够根据所获得的水下光学先... 由于图像建模及参数估计的困难和复杂性,水下目标检测算法的性能受到了严重影响。受水下生物视觉信息处理机制的启发,针对特殊的水下光学环境提出一种新的基于光强—光谱—偏振的仿生信息融合目标检测方法,能够根据所获得的水下光学先验知识进行适应性特征融合。算法摆脱繁琐的图像预处理过程,以较低的运算复杂度为代价实现可靠的目标检测结果。 展开更多
关键词 水下图像处理 水下目标检测 信息融合 机器学习
在线阅读 下载PDF
改进的MRF水下目标检测方法 被引量：6
14
作者 叶秀芬 王兴梅 +2 位作者 门志国 仇晨光 于飞 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2009年第7期102-105,共4页
为取得更好的水下目标检测结果,提出了一种改进的MRF水下目标检测方法.即在海底混响区服从Gamma分布的情况下,将建立的三类空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF三类分割中,得到最终精确的水下目标检测结果... 为取得更好的水下目标检测结果,提出了一种改进的MRF水下目标检测方法.即在海底混响区服从Gamma分布的情况下,将建立的三类空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF三类分割中,得到最终精确的水下目标检测结果.在海底混响区服从威布尔分布模型的情况下,对原始声纳图像和人造模拟声纳图像检测结果的比较表明,提出的检测方法能得到更精确的检测结果,且运算速度较快. 展开更多
关键词 水下目标检测 马尔可夫 声纳图像
在线阅读 下载PDF
高频增强网络与FPN融合的水下目标检测 被引量：3
15
作者 乔美英 赵岩 +1 位作者 史建柯 史有强 《电子测量技术》 北大核心 2023年第13期146-154,共9页
针对水下目标检测中目标对比度低以及水下图像多尺度问题,提出了高频增强网络与特征金字塔(FPN)融合的水下目标检测算法,以提高对水下目标边缘、轮廓信息以及目标底层信息的提取。首先引入八度卷积将卷积层的输出特征按频率分解,将主干... 针对水下目标检测中目标对比度低以及水下图像多尺度问题,提出了高频增强网络与特征金字塔(FPN)融合的水下目标检测算法,以提高对水下目标边缘、轮廓信息以及目标底层信息的提取。首先引入八度卷积将卷积层的输出特征按频率分解,将主干网络提取到的特征图进行高、低频信息分离,鉴于水下目标的轮廓信息和噪声信息均包含于高频特征中,在高频信息通道中引入通道信息具有自适应增强特点的通道注意力机制,形成了一种高频增强卷积,以达到增强有用轮廓特征信息和抑制噪声的目的;其次,将增强的高频特征分量融入FPN的浅层网络中,提高原FPN对水下多尺度目标的特征表示能力,缓解多尺度目标漏检问题。最后,将所提方法与基线算法Faster R-CNN融合,在全国水下机器人大赛提供的数据集中进行实验。结果表明:改进算法识别准确率达到78.83%,相比基线提升2.61%,与其他类型目标检测算法相比,依然具备精度和实时检测优势,证明了从特征图频域角度提升前景和背景对比度的有效性。 展开更多
关键词 深度学习 水下目标检测 小目标检测 特征金字塔 八度卷积 通道注意力
在线阅读 下载PDF
基于改进FCOS的水下目标检测算法 被引量：2
16
作者 陈卫东 谢晓东 +2 位作者 岑强 陈娜兰 朱奇光 《计量学报》 CSCD 北大核心 2023年第11期1659-1666,共8页
提出一种基于改进全卷积单阶段目标检测(FCOS)算法的水下目标检测算法。针对水下光学图像存在高色偏、低对比度、色彩偏暗、模糊失真而导致现有目标检测算法在水下环境检测效果不佳等问题,将骨干网络中的普通卷积替换为可变形卷积(DCN)... 提出一种基于改进全卷积单阶段目标检测(FCOS)算法的水下目标检测算法。针对水下光学图像存在高色偏、低对比度、色彩偏暗、模糊失真而导致现有目标检测算法在水下环境检测效果不佳等问题,将骨干网络中的普通卷积替换为可变形卷积(DCN)进行优化,增强算法在模糊的水下光学图片的特征提取能力。通过神经架构搜索(NAS)改进网络的特征融合网络以及检测网络,提升对骨干网络提取到的特征的利用能力。采用CIoU Loss作为新的损失函数来提高坐标回归的准确率。实验表明:改进的FCOS算法在DUO数据集上,检测的准确率提高了1.8%,召回率提高了2.2%,检测速度为53.4帧/s(相比改进前降低了5.0%)。该算法准确率较高并基本达到实时检测的要求。 展开更多
关键词 计量学 水下目标检测 改进FCOS算法 DCN模块 NAS模块
在线阅读 下载PDF
Bayes数据融合方法及其在水下目标检测中的数学仿真验证 被引量：4
17
作者 高立平 徐德民 《西北工业大学学报》 EI CAS CSCD 北大核心 2000年第1期94-97,共4页
对基于 Bayes判决法的模式分类方法进行了理论分析 ,将多变量 Bayes模式分类方法应用于决策信息融合过程 ,证明了用多传感器测得的多维信息进行决策融合性能优于用单传感器测得的一维信息。将基于 Bayes判决法的数据融合方法用于水下目... 对基于 Bayes判决法的模式分类方法进行了理论分析 ,将多变量 Bayes模式分类方法应用于决策信息融合过程 ,证明了用多传感器测得的多维信息进行决策融合性能优于用单传感器测得的一维信息。将基于 Bayes判决法的数据融合方法用于水下目标检测 ,能大大提高系统的目标检测能力 ,理论分析和数学仿真均证明了该方法的有效性。 展开更多
关键词 数据融合 贝叶斯判决法 数学仿真 水下目标检测
在线阅读 下载PDF
基于改进SSD的水下目标检测算法研究 被引量：34
18
作者 强伟 贺昱曜 +2 位作者 郭玉锦 李宝奇 何灵蛟 《西北工业大学学报》 EI CAS CSCD 北大核心 2020年第4期747-754,共8页
随着人类对海洋的不断深入探索,准确、快速地检测水下环境中的鱼类、仿生体及其他智能体对完善水下防御体系显得越来越重要。针对水下复杂环境下目标检测准确率低、实时性差的问题,提出一种基于改进SSD的目标检测算法。该算法用ResNet... 随着人类对海洋的不断深入探索,准确、快速地检测水下环境中的鱼类、仿生体及其他智能体对完善水下防御体系显得越来越重要。针对水下复杂环境下目标检测准确率低、实时性差的问题,提出一种基于改进SSD的目标检测算法。该算法用ResNet卷积神经网络代替SSD的VGG卷积神经网络作为目标检测的基础网络,并在基础网络中利用所提出的深度分离可变形卷积模块进行特征提取,提高对水下复杂环境下目标检测的精度及速度。所提出的深度分离可变形卷积主要是在可变形卷积获取卷积核偏移量的过程中融合深度可分离卷积,以减少参数量来达到提升网络运行速度的目的,同时通过稀疏表示来提升网络的鲁棒性。实验结果显示,相比ResNet作为基础网络的SSD检测模型,利用深度分离可变形卷积改进的SSD检测模型检测水下目标的准确率提升了11个百分点,检测时间减少了3 ms,证明新算法的有效性。 展开更多
关键词 水下目标检测 SSD 深度可分离卷积 可变形卷积
在线阅读 下载PDF
基于改进YOLOv7声光融合水下目标检测方法 被引量：3
19
作者 葛慧林 戴跃伟 +1 位作者 朱志宇 王彪 《舰船科学技术》 北大核心 2023年第12期122-127,共6页
多变的光照条件及天气状况将会严重影响水下光学图像的成像质量,为提升水下目标检测的稳定性及检测精度,基于深度神经网络模型,对结合光学图像和声呐图形的多模态方法进行研究。首先,针对实时神经网络检测器架构YOLOv7,通过改进该检测器... 多变的光照条件及天气状况将会严重影响水下光学图像的成像质量,为提升水下目标检测的稳定性及检测精度,基于深度神经网络模型,对结合光学图像和声呐图形的多模态方法进行研究。首先,针对实时神经网络检测器架构YOLOv7,通过改进该检测器,使其适用于多模态输入。其次,为了有效地结合来自不同模态的影响特征,提出全新的融合模型YOLOv7-Fusion,并通过引入CE-Fusion模块,实现融合效率和准确度的提升。最后,为了解决数据集缺少的问题,利用快速风格和图像处理算法转化的方法,生成人工数据集。所设计的算法及模型目标识别准确率为0.995,具有较高检测精度;Fps为43.4,具有较高处理效率。该模型可支持真实应用,适用于不同类型的水下场景。 展开更多
关键词 改进YOLOv7 水下目标检测 声光融合 光学图像 声呐图像
在线阅读 下载PDF
基于YOLOv4改进的轻量级水下目标检测网络 被引量：8
20
作者 史先鹏 王宏妫 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2023年第1期154-160,共7页
针对小型水下设备内存和计算能力有限的问题,本文对YOLOv4模型进行改进,提出了一种适用于水下目标检测的轻量级网络NSN-R-YOLOv4。在训练模型之前,对水下图像进行带色彩恢复的多尺度视网膜增强算法预处理,有助于在不同环境下正确识别目... 针对小型水下设备内存和计算能力有限的问题,本文对YOLOv4模型进行改进,提出了一种适用于水下目标检测的轻量级网络NSN-R-YOLOv4。在训练模型之前,对水下图像进行带色彩恢复的多尺度视网膜增强算法预处理,有助于在不同环境下正确识别目标。本文在改进YOLOv4网络结构时,首先,引入ShuffleNet和卷积块注意力机制构建主干网络,在保证网络特征提取能力的同时,可有效减少参数量;其次,使用深度可分离卷积代替普通网络卷积,以减少模型的体积;最后,采用可模拟人类视觉感受野的RFB-s代替YOLOv4中的SPP模块作为中间层。结果表明:本文模型参数量只有49.2M。本文对水下图像视频中的海参进行目标识别时,每秒传输帧数可达35.6,目标检测AP为92.01%。与YOLOv4相比,本文模型具有参数量小和识别效果好的特点,更适用于小型水下目标检测设备。 展开更多
关键词 YOLOv4 轻量化 水下目标检测 ShuffleNet 深度可分离卷积 SPP RFB-s MSRCR
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部