基于特征增强与损失优化的水下遮挡目标检测算法

CHEN Liang,YANG Yuyi, ZHANG Jian,WU Lianghong,SHI Huijing, PENG Hui

Journal of Detection & Control（2023）

引用 0|浏览0

暂无评分

摘要

针对水下探测机器人在海洋作业时由于目标密集、形态重叠等原因容易产生误检、漏检的问题,提出一种基于特征增强与损失优化的水下遮挡目标检测算法.算法以YOLOv4 骨干网络为基础,首先在随机通道上引入邻域融合的残差结构模块,通过通道注意力机制,提升通道的信息交互能力;其后,利用 α-IoU 优化CIoU-Loss损失函数,并采用真值排斥因子与预测排斥因子改进坐标回归损失函数,提高目标位置回归的精度;最后,针对水下图像数据干扰信息多的问题,采用基于密集度引导的自适应非极大值抑制方法完成对输出信息的处理,提升目标检测的召回率.通过对水下海洋生物的检测实验,算法在通用场景与密集遮挡场景下目标探测的mAP值分别提高了 1.43%和4.4%,验证了算法的有效性.

关键词

underwater object detection,YOLOv4,occlusion target,channel attention,loss function optimization

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要