基于YOLOX的水下目标检测算法研究.pdfVIP

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

摘要

近些年来,基于深度学习的图像技术在计算机视觉领域的作用愈发明显,

尤其是在水下目标检测方向。该技术不仅能够有效促进海洋资源的开发和利用,

还将为海洋经济的不断进步提供动力。但是,当前水下目标检测仍面临三个主

1

要挑战:()水下环境复杂多变,水下设备拍摄的图像受光线折射和散射的影

响,往往存在色偏、对比度低、模糊、光照不均匀等问题,导致水下目标检测

2

效果往往不太理想;()双阶段目标检测算法在水下应用中存在计算量大、模

型复杂度高等缺点,限制了其在水下目标检测任务中的应用效果和性能表现;

3

()单阶段目标检测算法的速度快但是精度偏低,特别是对于小目标或者密集

目标的检测效果不佳。针对当前深度学习算法在水下应用中存在的问题,本文

提出了一种图像增强融合算法和一种基于YOLOX的水下目标检测算法,主要

包括以下内容:

(1)针对水下图片模糊不清、颜色失真、对比度低等问题,本文提出了一

种水下图像增强的算法。通过白平衡和伽马校正来消除颜色偏差,使得水下图

像中的颜色更加鲜艳和自然。通过锐化技术来增强图像的边缘和细节信息,使

其更加清晰和具有层次感。通过限制对比度自适应直方图均衡化重新分布图像

的像素值,使得图像的整体对比度增强。通过这一系列的处理步骤,可以有效

地改善水下图像的质量,使之更加适合进行后续的分析和处理。

2

()针对小型水下设备内存容量有限和计算资源有限的问题,本文在主干

网络中引入轻量级GhostConv模块。具体地,将YOLOX主干网络中的标准卷

积替换为GhostConv模块,可以显著减少参数量和计算量,从而在保持模型性

能的同时,提高了模型在小型水下设备上的运行效率。这种轻量化处理方法可

以有效地解决资源受限情况下的水下图像处理问题。

(3)针对模型预测精度相对较低、可能会出现误检、漏检的问题,本文在

YOLOX特征融合结构中引入了ContextualTransformer模块。该模块通过上下

文感知、参数共享和并行计算等优点,提高了模型的理解能力、表示能力和泛

化能力。通过引入ContextualTransformer模块,可以更好地捕捉图像中的上下

文信息,从而提高模型的检测准确性。此外,本文引入了Focal_EIoULoss函

I

数。该函数在训练过程中具有稳定性、良好的梯度性质以及对异常值的鲁棒性

等优点。通过使用Focal_EIoULoss函数,可以更好地引导模型的训练过程,

使其更快地收敛,并且提高模型对目标的定位准确性。

最后本文进行了消融实验和对比试验,实验结果表明,与原始模型YOLOXs

相比,本文改进的模型mAP值提升了2.2%,参数量减少了0.77M,降幅约为

9.58%,计算量下降了1.8GFLOPs,降幅为约8.33%,验证了算法创新点的有效

性。与其他经典模型相比,本文改进的模型在计算量、参数量、检测精度上有

明显的优势,验证了算法的先进性。

关键词:水下目标检测,卷积神经网络,图像增强,轻量级网络,损失函数,

Transformer

II

ABSTRACT

Inrecentyears,imagetechnologiesbasedondeeplearninghaveincreasingly

demonstratedtheirsignificanceinthefieldofcomputervision,particularlyin

underwaterobjectdetection.Thesetechnologiesnotonlyeffectivelyfacilitatethe

explorationandutilizationofmarineresourcesbutalsoprovidemomentumforthe

continuousadvancementofthemar

文档评论(0)

精品资料 + 关注
实名认证
文档贡献者

温馨提示:本站文档除原创文档外,其余文档均来自于网络转载或网友提供,仅供大家参考学习,版权仍归原作者所有,若有侵权,敬请原作者及时私信给我删除侵权文

1亿VIP精品文档

相关文档