文献类型：期刊文章

作　　者：王蓉蓉[1] 蒋中云[2]

Wang Rongrong;Jiang Zhongyun(College of Information,Shanghai Ocean University,Shanghai 201306,China;College of Information Technology,Shanghai Jian Qiao University,Shanghai 201306,China)

机构地区：[1]上海海洋大学信息学院,上海201306 [2]上海建桥学院信息技术学院,上海201306

出　　处：《激光与光电子学进展》

基　　金：上海市属高校应用型本科试点专业建设项目(Z32004-17084);上海市教育委员会一流本科专业建设专项项目(JYLB202002)。

年　　份：2023

卷　　号：60

期　　号：2

起止页码：229-238

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对常规目标检测器检测水下目标时存在特征提取困难、目标漏检等问题,提出一种改进CenterNet的水下目标检测算法。首先,使用高分辨率人体姿态估计网络HRNet代替CenterNet模型中的Hourglass-104骨干网络,降低模型参数量,提升网络推理速度;其次,引入瓶颈注意力模块,在空间维度及通道维度进行特征增强,使网络关注重要目标特征信息,提高检测精度;最后,构建特征融合模块,融合网络内部丰富的语义信息和空间位置信息,并利用感受野模块增强融合后的特征,提高网络多尺度目标检测能力。在URPU水下目标检测数据集上进行实验,与CenterNet相比,所提算法的检测精度可达77.4%,提升1.5个百分点,检测速度为7 frame/s,提升35.6%,参数量为30.4 MB,压缩84.1%,同时与其他主流目标检测算法相比具有更高的检测精度,在水下目标检测任务上更具优势。

关 键 词：机器视觉 水下目标检测 CenterNet  高分辨率网络  注意力机制  特征融合  

分 类 号：TP391]