水下声呐图像轻量级目标检测模型 |
| |
引用本文: | 范新南,陈馨洋,史朋飞,孙奂儒,鹿亮,周仲凯.水下声呐图像轻量级目标检测模型[J].计算机与现代化,2023(3):16-22+28. |
| |
作者姓名: | 范新南 陈馨洋 史朋飞 孙奂儒 鹿亮 周仲凯 |
| |
作者单位: | 河海大学物联网工程学院 |
| |
基金项目: | 中央高校基本科研业务费项目(B220202020,B220203032); |
| |
摘 要: | 水下AUV搭载声呐进行探测成为水下目标检测的主流方式,水下环境的复杂及声呐成像方式导致声呐图像分辨率较低,使用形态学目标检测等传统方法时检测精度与实时性不高,深度学习如YOLO等算法直接用于水下声呐图像目标检测时仍然面临样本少、模型参数多等挑战,为此,本文提出一种声呐图像水下目标轻量化检测模型。针对低分辨率声呐图像数据特点以及水下AUV自动检测对实时性的要求,以YOLOv4模型为主要框架,进行模型裁剪、替换优化特征融合模块、目标预测框K均值聚类以及改进损失函数等,将构建的检测模型应用于声呐目标检测。所构建的声呐图像水下目标检测轻量化模型的mAP相对于SSD、YOLOv3、YOLOv3-DFPIN、YOLOv4-tiny分别提高了0.0659、0.0214、.0402和0.1701。在mAP相较于YOLOv4、CenterNet、EfficientdetD0分别低0.0186、0.0093、0.0074的情况下,FPS分别相对于YOLOv4提升一倍多、相对于EfficientdetD0提升近5倍、相对于CenterNet提升近一倍。同时,本文提出的模型兼具高精度和实时性的优点。实验结果表...
|
关 键 词: | 目标检测 水下声呐图像 深度学习 YOLOv4 Kmeans++ |
|
|