融合多尺度特征和多重注意力的水下目标检测.pdfVIP

第 38 卷 第 20 期 农 业 工 程 学 报 Vol.38 No.20 2022 年 10 月 Transactions of the Chinese Society of Agricultural Engineering Oct. 2022 129 融合多尺度特征和多重注意力的水下目标检测 李 辉，王晓宇，刘 云，陶 冶，付诗佳，吴依凡 （青岛科技大学信息科学技术学院，青岛 266061 ） 摘 要：探明海洋生物资源的分布情况，对渔业捕捞和海洋牧场管理具有重要意义。该研究针对水下环境复杂、水下目 标存在多尺度、多类别及小目标较多等复杂情况，提出水下目标两阶段网络检测方法。首先通过改进多尺度特征提取和 融合，获取水下目标多尺度信息和增强目标特征，得到更加丰富的目标特征信息，然后构建多重注意力，利用空间和通 道维度中的全局特征依赖关系，进一步挖掘深层特征信息和隐藏信息，突出背景和目标的差异性，最后在模型训练中采 用样本均衡方法，自适应均衡正负样本比例，减少无效样本，实现模型快速收敛。在国际水下机器人大赛公开数据集 UPRC2019 、WildFish 及自建数据集上对所提方法进行试验，其 mAP （mean Average Precision ）分别达到85.3%、96.9% 和 97.8%，召回率分别达到 90.6%、98.7%和 98.9%，相较于Libra RCNN （CVPR2019 ）、Double head RCNN （ECCV2020 ） 和 STransFuse （2021 ）等检测方法，该文方法mAP 要比上述方法分别高 9.58、12.2 和 4.1 个百分点。研究结果可为海洋 渔业生物监测、水下机器人精准捕捞作业提供技术支撑。 关键词：目标检测；特征融合；注意力；自适应均衡采样；水下小目标 doi ：10.11975/j.issn.1002-6819.2022.20.015 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2022)-20-0129-11 李辉，王晓宇，刘云，等. 融合多尺度特征和多重注意力的水下目标检测[J]. 农业工程学报，2022，38(20)：129-139. doi ：10.11975/j.issn.1002-6819.2022.20.015 Li Hui, Wang Xiaoyu, Liu Yun, et al. Detecting underwater objects using multi-scale features fusion and multiple attention[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(20): 129-139. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.20.015 测和定位，该方法能够有效测出海参，但是仅适于海参  0 引 言 单目标，无法适应水下复杂场景中目标多尺度变化的特 水下海洋生物检测对于海洋资源的合理开发与利 点，鲁棒性和迁移性较差，不适合应用于实际场景的水 用、海洋环境监测、海洋捕捞作业以及海洋牧场管理等 下目标检测。 具有重要意义，水下目标检测是提高水下机器人自动化 对于双阶段的水下目标检测方法，袁红春等[10]通过 的关键[1-4] ，传统目