基于RetinaNet的海洋鱼类检测算法

作者：周迎峰; 张荣芬; 刘宇红; 李宽

来源：激光与光电子学进展, 2022, 1-14.

• 鱼类检测
• RetinaNet
• DenseNet-121
• 卷积注意力模块
• soft-NMS

为了更好的保护和利用海洋鱼类资源，需要对海洋鱼类进行有效监测，但海洋环境复杂，导致海洋鱼类的识别检测普遍存在检测精度不佳等问题。针对上述问题，本文提出一种基于RetinaNet改进的海洋鱼类检测算法。首先，用DenseNet-121替换RetinaNet原有的主干网络，减少参数量的同时保留了更多的鱼类图像特征。然后，在主干网络中引入卷积注意力模块，引导神经网络更有针对性地提取图像特征。其次，在原有的FPN网络中引入新的卷积层，使得改进后的PFPN网络能够融合更多尺度的图像特征。最后，在分类和回归网络中引入soft-NMS，有效改善了相同类别的鱼距离过近和相互遮挡造成的漏检问题。实验表明，本算法mAP（平均精度）达到92.12%，相比SSD等算法的检测效果有明显提高，相比原算法mAP提升了4.71%，对于海洋鱼类具有较好的检测效果。

• 单位
  贵州大学