基于改进YOLOv3模型的侧扫声纳沉船目标检测

作者：汤寓麟; 张卫东; 李凡^*; 李厚朴; 纪兵

来源：海军工程大学学报, 2022, 34(03): 62-67.

• 侧扫声纳沉船目标
• 改进的YOLOv3模型
• 浅层特征融合
• K-means聚类算法
• 二分类交叉熵

针对使用Faster R-CNN模型进行侧扫声纳图像沉船目标检测存在耗时长、效率低以及小目标漏警率高等问题，引入YOLOv3模型并结合侧扫声纳沉船图像数据集特点对模型进行了改进。首先，进行浅层特征融合的多尺度训练，从而增加沉船目标浅层特征在检测中所占比重；然后，使用K-means聚类算法重新设置先验框参数及大小，提高小目标检测精度；最后，采用二分类交叉熵函数改进YOLOv3算法中的损失函数，提高模型的收敛速度和泛化能力。实验结果表明：相比Faster R-CNN模型和传统YOLOv3模型，改进YOLOv3模型的AP值达到89.18%,分别提高了1.46%和0.57%;调和平均值F1达到89.08%,分别提高了2.33%和1.04%;检测图片耗时时间为Faster R-CNN模型的3/50,极大地提高了检测效率。该研究结果验证了改进的YOLOv3模型具有更高的检测精度和效率，对海底沉船搜救具有一定的实际指导意义。

• 单位
  中国人民解放军海军工程大学