基于自注意力和改进金字塔的水下小目标检测 (1).pdfVIP

基于自注意力和改进金字塔的水下小目标检测 (1).pdf

  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

第42卷第4期深圳大学学报理工版Vol.42No.4

2025年7月JournalofShenzhenUniversityScienceandEngineeringJuly2025

【电子与信息科学/ElectronicsandInformationScience】

基于自注意力和改进金字塔的水下小目标检测

1,2121

杜睿山,王紫珊,孟令东,井远光

1)东北石油大学计算机与信息技术学院,黑龙江大庆163318;2)油气藏及地下储库完整性评价黑龙江省重点实验室,

黑龙江大庆163318

摘要:针对水下目标检测任务中小目标特征信息少和受水下环境影响导致检测精度低的问题,提出

一种基于自注意力机制和改进金字塔的水下小目标检测算法,记为SF-Bi-YOLOv8.以YOLOv8为框架,设

计一种加强全局特征提取能力的Swin-Fa模块对YOLOv8的骨干网络最后一个C2f层进行改进,提高了模型

的小目标检测能力;将特征融合网络的特征金字塔结构替换为简化型加权双向特征金字塔结构(weighted

bidirectionalfeaturepyramidnetwork,BiFPN)以更好地学习多尺度特征;采用线性区间映射Focaler-IoU的方

式重构检测头的损失函数,从而关注难易样本,加速边界框回归.实验结果表明,在水下检测目标

(detectingunderwaterobjects,DUO)数据集上,SF-Bi-YOLOv8算法交并比(intersectionoverunion,IoU)阈值

为0.50时的平均精度达到0.862,较原YOLOv8提高了0.023,IoU阈值从0.50到0.95时的平均精度提高了

0.036.研究结果可为水下目标检测任务提供参考.

关键词:人工智能;水下目标检测;深度学习;YOLOv8;注意力机制;特征金字塔

中图分类号:TP391;S951文献标志码:ADOI:10.3724/SP.J.1249.2025.04428

Underwatersmallobjectsdetectionbasedonself-

attentionandimprovedpyramidnetwork

1,2121

DURuishan,WANGZishan,MENGLingdong,andJINGYuanguang

1)SchoolofComputerandInformationTechnology,NortheastPetroleumUniversity,Daqing163318,HeilongjiangProvince,P.R.China

2)KeyLaboratoryofOilandGasReservoirandUndergroundGasStorageIntegrityEvaluations,Daqing163318,HeilongjiangProvince,

P.R.C

文档评论(0)

1、人工智能 2、乡村振兴 3、金融资讯

1亿VIP精品文档

相关文档