一种基于水下光学图像的目标检测方法技术

本发明专利技术提供一种基于水下光学图像的目标检测方法。该方法包括：步骤1：获取水下光学图像目标数据集，并分为训练集、验证集和测试集；步骤2：对YOLOv7网络进行改进以构建得到基于水下光学图像的目标检测模型，包括构建新的骨干网络、新的检测头模块和融入新的注意力机制；步骤3：采用训练集和验证集对所述目标检测模型进行训练；步骤4：使用训练好的目标检测模型对测试集进行检测。本发明专利技术构建的目标检测模型极大地提高了水下目标检测的平均检测精度，且有效减少了模型参数规模，使检测模型更加轻量化，有利于部署在低成本的水下检测设备上。有利于部署在低成本的水下检测设备上。有利于部署在低成本的水下检测设备上。

【技术实现步骤摘要】
一种基于水下光学图像的目标检测方法


[0001]本专利技术涉及计算机视觉和人工智能
，尤其涉及一种基于水下光学图像的目标检测方法。

技术介绍

[0002]水下目标检测技术在海洋环境监测和早期预警方面发挥着重要作用。装备有目标检测设备的水下机器人可以代替潜水员实施水下环境中感兴趣目标的准确定位与识别。因为以下三个因素使得水下目标检测任务具有相当的挑战：(1)天气和洋流等因素导致水下环境复杂多变，捕捉的图像在环境噪声的作用下饱和度低、边缘模糊；(2)水下目标种类丰富，部分种类目标体型微小且位置隐蔽；(3)水下目标检测设备有限的存储和计算能力要求检测模型轻量化。传统的基于水下光学图像的目标检测方法效果不佳。
[0003]随着计算机视觉和深度学习技术的发展，使用深度学习方法从水下光学图像中检测感兴趣目标成为研究热点。Jian Zhang等提出一种基于改进的YOLOv5框架的海洋生物检测方法。此外，Hao Wang等改进了Faster RCNN两阶段算法，用于检测海参、棘鱼、扇贝、海星和水草。虽然他们已经取得了相当的成果，但仍然存在明显的缺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于水下光学图像的目标检测方法，其特征在于，包括：步骤1：获取水下光学图像目标数据集，并分为训练集、验证集和测试集；步骤2：对YOLOv7网络进行改进以构建得到基于水下光学图像的目标检测模型，包括构建新的骨干网络、新的检测头模块和融入新的注意力机制；步骤3：采用训练集和验证集对所述目标检测模型进行训练；步骤4：使用训练好的目标检测模型对测试集进行检测。2.根据权利要求1所述的一种基于水下光学图像的目标检测方法，其特征在于，步骤2中，构建新的骨干网络具体包括：将YOLOv7的骨干网络中的两个ELAN模块替换为C3HB模块，并在第一个C3HB模块后加入一个下采样卷积层，在第二个C3HB模块后加入一个特征提取卷积层。3.根据权利要求2所述的一种基于水下光学图像的目标检测方法，其特征在于，所述C3HB模块的构建过程具体包括：使用递归门控卷积RGConv构建高阶空间交互HOSI模块；使用HOSI模块替换C3模块中的一个卷积层得到C3HB模块。4.根据权利要求1述的一种基于水下光学图像的目标检测方法，其特征在于，步骤2中，构建新的检测头模块具体包括：在YOLOv7的检测头中的ELAN模块替换为CT3模块；其中，所述C...

【专利技术属性】
技术研发人员：赵亮，云晴，袁夫彩，陈瑞，金军委，朱献超，张坤鹏，付璐璐，李宣，任旭，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：