基于改进CenterNet的水下目标检测算法

针对常规目标检测器检测水下目标时存在特征提取困难、目标漏检等问题，提出一种改进CenterNet的水下目标检测算法。首先，使用高分辨率人体姿态估计网络HRNet代替CenterNet模型中的Hourglass-104骨干网络，降低模型参数量，提升网络推理速度；其次，引入瓶颈注意力模块，在空间维度及通道维度进行特征增强，使网络关注重要目标特征信息，提高检测精度；最后，构建特征融合模块，融合网络内部丰富的语义信息和空间位置信息，并利用感受野模块增强融合后的特征，提高网络多尺度目标检测能力。在URPU水下目标检测数据集上进行实验，与CenterNet相比，所提算法的检测精度可达77.4%，提升1.5个百分点，检测速度为7 frame/s，提升35.6%，参数量为30.4 MB，压缩84.1%，同时与其他主流目标检测算法相比具有更高的检测精度，在水下目标检测任务上更具优势。