Year: 2025
Type: article
Abstract: 水下目标检测技术在海洋资源勘探、环境保护等领域发挥着重要作用。然而，水下环境存在成像模糊、目标尺度多变等问题给检测任务带来了难度。为提高水下目标检测精度，提出一种感知增强混合网络。首先，构建全局-局部混合增强特征提取主干网络，利用自注意力机制求取图像中的长程全局信息，进一步构建卷积注意力增强模块提取更丰富的图像局部细节信息。通过在特征提取过程中更好地捕获图像全局和局部特征关联，增强各尺度特征描述的判别性；随后，为提高成像模糊对比低时的目标检测精度，构建目标感知增强双阶段检测头。通过增加一阶段区域提议生成网络的深度，在低质图像中提取更多目标语义信息，并通过在二阶段引入自注意力机制，抑制背景或次要信息干扰。进一步引入目标检测交并比分支，将一阶段目标先验信息融入二阶段分类求解中，提高不同种类目标的检测精度。所提方法在水下目标检测数据集TrashCan与WPBB上的 mAP0.5:0.95 <?fx-imagestate width="14.13933277" height="3.21733332"?> <?fx-imagestate width="14.13933277" height="3.21733332"?> 和 AP50 <?fx-imagestate width="6.60400009" height="3.21733332"?> <?fx-imagestate width="6.60400009" height="3.21733332"?> 分别达到了37.8%，61.8%和82.0%，98.9%。定性和定量的对比实验结果表明，模型对不同种类水下目标均具有良好的检测准确性和鲁棒性。
Source: Optics and Precision Engineering
Institution: Dalian Maritime University
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4411527998