侧扫声纳检测沉船目标的改进YOLOv5法

作者：汤寓麟; 边少锋; 翟国君; 刘敏; 张卫东

来源：武汉大学学报(信息科学版), 2021, 1-11.

DOI：10.13203/j.whugis20210353

• 侧扫声纳沉船目标
• 检测方法
• YOLOv5模型
• CIOU＿Loss
• Genetic Algorithm+K-mean算法

针对基于YOLOv3模型的侧扫声纳沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题，引入YOLOv5算法并根据数据集特点，提出基于YOLOv5模型的侧扫声纳海底沉船目标检测方法。在YOLOv5基础框架下尝试YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x八种不同深度和宽度的模型结构，并选择最优的结构，使用GA+K（Genetic Algorithm+K-mean）算法优化检测框，通过CIOU＿Loss对损失函数进行改进。实验结果表明，改进的YOLOv5a模型在AP＿0 .5和AP＿0.5-0.9较原始模型提高了0.3%和0.6%，较YOLOv3模型有了全面大幅提升，其中AP＿0.5和AP＿0.5-0.9分别提高了4.2%和6.1%，检测速度达到426帧/秒，提升了几乎一倍，更加益于实际应用和工程部署。

• 单位
  中国人民解放军海军工程大学