-
题名基于改进YOLO11的水下目标检测模型
- 1
-
-
作者
方侦波
高向阳
张锲石
程俊
杨梦杰
-
机构
桂林理工大学广西高校先进制造与自动化技术重点实验室
-
出处
《电子测量技术》
2025年第15期159-167,共9页
-
基金
国家自然科学基金-联合基金项目(U21A20487)
云南省科技人才与平台计划(院士专家工作站)(202305AF150152)
深圳市科技计划科技重大专项(KJZD20240903100000001)资助。
-
文摘
在复杂的水下环境中,针对传统YOLO目标检测方法检测性能差等问题,提出一种基于改进YOLO11的水下目标检测模型。首先,通过引入上下文引导模块CGBD,采用多尺度特征提取器增强网络捕获能力;其次,为解决网络中特征冗余导致参数量过大的问题,设计轻量化高效聚合模块RGCSPELAN为模型减负;针对原有检测头定位识别能力不足且计算成本较高的问题,通过融合重参数化策略与细节增强卷积构建轻量高效的DEC-Head检测头。此外采用Wise-Inner-MPD损失函数提升模型的泛化能力并加速收敛。在URPC数据集中的实验结果表明,相较于基准模型YOLO11,本文提出的方法在mAP50和mAP50-90平均精度均值上分别提升了2.4%和2.1%。并且在RUOD数据集的实验结果中,本文所改进模型平均精度均值mAP50相比YOLO11提升了1.3%,召回率R提升了1.5%,较其他主流检测方法能够展现出更优的水下目标检测性能。
-
关键词
上下文引导
轻量化高效聚合
检测头
损失函数
-
Keywords
context guidance
lightweight and efficient polymerization
detecting head
loss function
-
分类号
TP391
[自动化与计算机技术]
TN919.8
[自动化与计算机技术—计算机应用技术]
-
