.png){kind=icon}
返回
Underwater target detection algorithm based on multi-scale feature fusion
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compeleceng.2025.110327.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下目标检测技术是实现海洋牧场生物监测的重要途径。然而，由于水体对光的吸收以及水中的颗粒物会对光线产生散射效应，导致大部分水下光学图像对比度低且存在颜色偏差，这使得被测生物目标体的局部细节变得模糊。此外，由于水下生物之间的相互遮挡，导致目标检测的漏检率更高。为解决上述问题，我们基于YOLOv7（You Only Look Once Version 7）提出了一种适用于复杂水下环境的新型目标检测算法。首先，为增强水下图像质量，同时改善颜色偏差并减少图像噪声。通过比较不同的图像增强方法，采用RGHS（Relative Global Histogram Stretching）来增强数据集的质量。其次，为使网络能够感知生物细节特征，提出了MIS（Multi-Gradient Interaction Structure）。该结构创新旨在缓解目标物近距离和重叠带来的挑战。最后，在骨干网络特征提取后，我们提出了多尺度特征融合结构。该结构促进了语义信息的跨通道通信，从而增强了网络的特征表达能力。实验结果表明，与原始YOLOv7（You Only Look Once Version 7）相比，所提出的算法实现了1.35%的检测精度提升，同时减少了水下目标的漏检和误判情况，超越了常见的目标检测算法。
Keyword:
Target detection
YOLOv7 (You Only Look Once Version 7)
Multipath fusion
Feature interaction
期刊
C
IF:
4.9
论文数:
6.7K
被引数:
1.3W
机构
引用论文
GUCL: Generalization of underwater color-line model for underwater image enhancementGUCL: 用于水下图像增强的水下色线模型的推广
PREAI
分享收藏Underwater-YCC: Underwater Target Detection Optimization Algorithm Based on YOLOv7水下-YCC：基于YOLOv7的水下目标检测优化算法
OAAI
OAAI分享收藏Attention-based color consistency underwater image enhancement network基于注意力机制的 underwater 图像增强网络
PREAI
分享收藏RG-YOLO: multi-scale feature learning for underwater target detectionRg-yolo: 用于水下目标检测的多尺度特征学习.png)
MULTIMEDIA SYSTEMS
MULTIMEDIA SYSTEMSIF3.1
PREAI
分享收藏Research on an Underwater Object Detection Network Based on Dual-Branch Feature Extraction基于双分支特征提取的水下目标检测网络研究ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏
查看更多内容