-
题名水下模糊目标的自适应检测方法
- 1
-
-
作者
刘照龙
袁宏武
余倩
-
机构
安徽建筑大学电子与信息工程学院
安徽新华学院大数据与人工智能学院
-
出处
《应用光学》
北大核心
2025年第5期1024-1033,共10页
-
基金
安徽省自然科学基金资助项目(2108085MF230)
安徽省高校自然科学研究重点项目(2022AH051867)
安徽省高校优秀科研创新团队项目(2022AH010099)。
-
文摘
水下环境存在光线衰弱、色彩失真、复杂背景干扰、目标尺度多样以及目标特征模糊等问题。针对目标尺度多样性和特征模糊难定位等问题,提出了一种基于Faster R-CNN(faster regionbased convolutional neural networks)改进的水下目标检测算法。首先,在特征提取中引入可切换的空洞卷积,解决了特征提取过程中图像全局上下文信息丢失而导致的特征损失问题;其次,使用递归特征金字塔使高层特征与底层特征多次交互融合,增强模型对水下小目标以及复杂形状目标的检测能力;最后,引入了一种基于引导锚框的建议网络,该网络根据图像的语义特征,动态生成锚点更为稀疏且形状自适应的锚框,显著地提高了模型对水下目标检测的准确性及定位能力。实验表明:改进后的算法在水下数据集DUO上mAP(mean average precision)提高了5.7%,并且在通用目标检测数据集VOC上也有较好的表现。
-
关键词
水下目标检测
可切换空洞卷积
递归特征金字塔
特征模糊
锚框引导建议网络
-
Keywords
underwater object detection
switchable atrous convolution
recursive feature pyramid
feature blur
region proposal by guided anchoring
-
分类号
TN202
[电子电信—物理电子学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
