融合位置信息和上下文的水面目标检测方法.pdfVIP

小型微型计算机系统２０２４年９月第９期

ＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１１１０６／ＴＰ．２０２３０１３３

ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＶｏｌ．４５Ｎｏ．９２０２４

融合位置信息和上下文的水面目标检测方法

１１，２３

马赛，解志斌，邵长斌

１（江苏科技大学海洋学院，江苏镇江２１２００３）

２（智慧海洋信息感知与传输技术重点实验室，江苏镇江２１２００３）

３（江苏科技大学计算机学院，江苏镇江２１２００３）

Ｅｍａｉｌ：ｘｉｅｚｈｉｂｉｎ＠ｊｕｓｔ．ｅｄｕ．ｃｎ

摘要：针对复杂多变的水面环境中，小目标检测精度低、漏检率高且检测平台计算资源有限的问题，提出了一种基于Ｅｆｆｉ

ｃｉｅｎｔｄｅｔＤ０融合位置信息和上下文的水面目标检测方法．首先，采用坐标注意力机制对主干特征提取网络的主要模块移动翻转

瓶颈卷积进行改进，将目标的位置信息集成到通道注意力中，提高网络对水面小目标的检测能力；其次，在特征融合网络ＢｉＦＰＮ

中引入Ｃｏｔ模块，增强特征融合网络对特征图相邻和全局上下文的获取能力，进一步提高检测小目标的能力；最后，为优化预测

网络训练，将预测网络激活函数替换为Ｈｓｗｉｓｈ．在ＷＳＯＤＤ测试集中的实验结果表明，本文模型的ｍＡＰ相比于原始模型提高

了１６．９５％，漏检率下降明显，且本文模型参数量小于大多现有模型，证明了本文方法在水面目标检测模型中的有效性．

关键词：水面目标检测；深度学习；ＥｆｆｉｃｉｅｎｔｄｅｔＤ０；位置信息；上下文信息

中图分类号：ＴＰ１８３；ＴＰ３９１文献标识码：Ａ文章编号：１０００１２２０（２０２４）０９２２２１０７

ＷａｔｅｒＳｕｒｆａｃｅＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄｔｈａｔＣｏｍｂｉｎｅｓＰｏｓｉｔｉｏｎａｌＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｎｔｅｘｔ

１１，２３

ＭＡＳａｉ，ＸＩＥＺｈｉｂｉｎ，ＳＨＡＯＣｈａｎｇｂｉｎ

１（ＯｃｅａｎＣｏｌｌｅｇｅ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ２１２００３，Ｃｈｉｎａ）

２（ＩｎｔｅｌｌｉｇｅｎｔＭａｒｉｎｅＩｎｆｏｒｍａｔｉｏｎＳｅｎｓｉｎｇａｎｄＴｒａｎｓｍｉｓｓｉｏｎＬａｂｏｒａｔｏｒｙ，Ｚｈｅｎｊｉａｎｇ２１２００３，Ｃｈｉｎａ）

３（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ２１２００３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｌｏｗｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ，ｈｉｇｈｍｉｓｓｅｄｄｅｔｅｃｔｉｏｎｒａｔｅａｎｄｌｉｍｉｔｅｄｃｏｍｐｕｔｉｎｇｒｅｓｏｕｒｃｅｓｏｆｄｅｔｅｃｔｉｏｎ

ｐｌａｔｆｏｒｍｓｉｎｃｏｍｐｌｅｘａｎｄｃｈａｎｇｅａｂｌｅｗａｔｅｒｓｕｒｆａｃｅｅｎｖｉｒｏｎｍｅｎｔ，ａｗａｔｅｒｓｕｒｆａｃｅｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＥｆｆｉｃｉｅｎｔｄｅｔＤ０

ｃｏｍｂｉｎｅｓｐｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎａｎｄｃｏｎｔｅｘｔｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｃｏｏｒｄｉｎａｔｅａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｉｓｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅｍａｉｎｍｏｄｕｌｅ

ｏｆｔｈｅｂａｃｋｂｏｎｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｎｅｔｗｏｒｋＥｆｆｉｃｉｅｎｔｎｅｔＢ０ｔｏｍｏｂｉｌｅｉｎｖｅｒｔｅｄｂｏｔｔｌｅｎｅｃｋｃｏｎｖｏｌｕｔｉｏｎ，ｅｍｂｅｄｔｈｅｏｂｊｅｃｔ＇ｓｐｏｓｉｔｉｏｎｉｎ

ｆｏｒｍａｔｉｏｎｉｎｔｏｔｈｅｃｈａｎｎｅｌａｔｔｅｎｔｉｏｎ，ｉｍｐｒｏｖｅｔｈｅｎｅｔｗｏｒｋ＇ｓａｂｉｌｉｔｙｔｏｄｅｔｅｃｔｓｍａｌｌｏｂｊｅｃｔｓｏｎｔｈｅｗａｔｅｒｓｕｒｆａｃｅ；Ｓｅｃｏｎｄｌｙ，ｔｈｅＣｏｔ

ｍｏｄｕｌｅｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅｆｅａｔｕｒｅｆｕｓｉｏｎｎｅｔｗｏｒｋＢｉＦＰＮ，ｅｎｈａｎｃｅｔｈｅｆｅａｔｕｒｅｆｕｓｉｏｎｎｅｔｗｏｒｋ＇ｓ