多尺度与跨空间信息聚合网络的水下目标检测
摘要
提出一种多尺度与跨空间信息聚合网络的水下目标检测算法。首先，在主干网络中利用可变形层聚合模块进行特征提取，提高网络的定位精度；然后，采用Conv2former模块提高颈部的全局信息提取能力，减少水下目标之间相互遮挡造成的漏检；最后，提出多尺度注意力并联增强模块，利用并联卷积块提取更深层次的特征，通过高效多尺度注意力模块将背景以及图像失真后带来的干扰信息滤除，同时引入多条跨层级连接，有效地将低层次局部特征与高层次强语义信息相互融合，从而提高模型的检测精度。在URPC数据集上进行消融实验，相较于原模型，改进后模型的准确率、召回率、平均精度均值（mAP）@0.5、mAP@0.5∶0.95提高3.6百分点、2.6百分点、3.5百分点、3.3百分点，在RUOD数据集中测试不同场景的检测效果表明，对比当下的一些主流模型，所提模型具有显著优势。
引用本文（GB/T 7714）
杨继海 Yang Jihai, 裴晓芳 Pei Xiaofang. 多尺度与跨空间信息聚合网络的水下目标检测[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。