基于ZYNQ的轻量化YOLOv5声呐图像目标检测算法及实现

针对声呐图像存在的模糊、样本量不足的现象，本文提出一种基于YOLOv5的声呐图像目标检测改进算法。利用几何滤波、垂直翻转等方法，对声呐图像数据集进行数据增强。添加融合注意力机制模块，使算法更好地关注声呐图像小目标的特征。同时，针对目前大多数目标检测算法运行在云端，无法做到实时性声呐图像检测的问题，本文利用替换轻量级网络和NCNN边端移植技术，同时在颈部网络中采用GSConv模块，将算法成功移植到ZYNQ平台，实现声呐图像的嵌入式端实时检测。实验表明，本文提出的算法在降低了56%参数量的同时，在map50和map50-95上分别提高2.2%和2.5%。改进后的算法性能提升明显，证明所提出的方法在轻量化声呐图像目标检测任务上具有一定的可行性与有效性。