面向水下环境的海洋生物轻量化目标检测模型

作者：王哲; 田生伟^*; 王博; 周铁军

来源：新疆大学学报(自然科学版)(中英文), 2022, 39(05): 598-607.

DOI：10.13568/j.cnki.651094.651316.2021.10.31.0001

• 深度学习
• 目标检测
• 海洋生物

针对传统目标检测模型面对物体种类较少、背景相对单一的水下海洋生物数据集时，存在训练时间长、推理速度慢等问题，提出了一种快速轻量化的目标检测模型FL-Net(Fast and Lightweight Network).(1)采用Res Net18作为骨干网络，减少训练时间和计算量；(2)采用空洞卷积替换普通卷积，提高卷积核的感受野；(3)采用动态激活函数(MetaAcon)替换线性整流函数(Re LU)，增强骨干网络的特征提取能力；(4)采用单阶段的Generalized Focal Loss(GFL)方法作为网络头部，提高推理速度和准确率．实验结果表明：FL-Net在Brackish数据集上的准确率达到了79.3%AP(96.6%AP50)，平均推理速度为65.2 FPS.

• 单位
  新疆大学; 国家计算机网络与信息安全管理中心