基于注意力机制的水下目标检测算法

作者：赵晓飞; 于双和^*; 李清波; 阎妍; 赵颖

来源：扬州大学学报(自然科学版), 2021, 24(01): 62-67.

DOI：10.19411/j.1007-824x.2021.01.011

• 深度学习
• 水下目标检测
• 注意力机制

针对传统水下目标检测算法识别精度低的问题,提出一种基于注意力机制的水下目标检测算法(feature refinement and attention mechanism network, FRANet).该算法采用特征融合模块和特征增强模块相结合的方式,使用卷积神经网络提取目标的多尺度特征.同时引入一种由锚框精化模块、空间注意力模块和目标检测模块组成的级联注意力机制方案,通过空间注意力机制解决目标类别的不平衡性,改善水下小目标的分类性能和回归性能.试验表明,利用FRANet算法对水下小目标进行识别的平均精度均值(mean average precision, mAP)达80.5%,验证了算法的有效性,为水下目标识别提供了一种新的研究思路与方法.

• 单位
  环境科学与工程学院; 大连海事大学