-
题名融合多尺度信息的水下目标检测算法研究
- 1
-
-
作者
王宁生
解志斌
邵长斌
-
机构
江苏科技大学
-
出处
《自动化技术与应用》
2026年第4期1-5,共5页
-
基金
国家自然科学基金项目(62276117)
高端外国专家引进计划(G2023014110)。
-
文摘
水下目标检测在海洋探测中起着至关重要的作用。然而,传统的水下目标检测方法在复杂水下环境中面临诸多挑战,例如特征提取不准确、小目标检测效果差以及缺乏鲁棒性等问题。为了克服这些局限性,提出了一种适用于复杂水下环境的目标检测模型EEN-YOLO。首先,所提模型在YOLOv7网络的基础上引入了EVC模块,通过并行学习,将底层特征与深层特征沿着通道维度相连接,扩大了感受野,从而解决特征提取精度差的问题。其次,在检测头中增添Elan-Neck++结构,通过该结构中下采样模块提高了小目标检测精度。最后,采用NWD损失函数替换原模型中的CIoU损失函数,解决了原模型无法正确度量小目标边界框的问题,从而提高了模型训练精度和鲁棒性。在公开水下数据集URPC上进行的实验验证了所提模型的有效性。结果表明,改进后的EEN-YOLO模型平均准确率达到88.3%,相较于原YOLOv7、YOLOv8n、EfficientDet-d0以及SSD模型,分别提升了3%、4.5%、7.8%和13.1%。这充分证明,EEN-YOLO在复杂水下场景中更准确、更稳健的目标检测性能。
-
关键词
水下目标检测
YOLOv7
特征融合
损失函数
Elan-Neck++
urpc
-
Keywords
underwater target detection
YOLOv7
feature fusion
loss function
Elan-Neck++
urpc
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
-
