一种基于YoloV7和多模态数据的水下目标检测方法技术

本发明专利技术属于公开一种基于YoloV7和多模态数据的水下目标检测方法，包括设计三种模块：1)ZFMer模块将注意力机制和卷积操作进行效结合，效果优于纯卷积模型或自注意模型；2)Z_CA模块不仅可以捕获跨通道信息，还可以捕获方向感知和位置敏感信息，有助于模型更准确地定位和识别感兴趣的对象；3)ZSPD模块可替换跨行卷积和池化操作，能够有效避免细粒度信息丢失对特征学习造成不良的影响。将三种模块与YoloV7相结合，构建多模态水下目标检测网络模型，由特征提取网络和头部预测网络两部分构成。本发明专利技术还构建包括图像和毫米波雷达信号两种模态的水产品水下多模态数据集。本方法能够有效提升水下环境中对于水产的检测精度。

【技术实现步骤摘要】

本专利技术属于计算机视觉和人工智能领域，涉及一种基于yolov7和多模态数据的水下目标检测方法。

技术介绍

1、目标检测是计算机视觉领域中一项关键任务，其主要目标是在图像或视频中准确定位和识别特定的目标物体。这一任务在各种领域都有广泛应用，包括自动驾驶、视频监控、医学影像分析、工业生产、无人机和航天领域等领域。总体而言，目标检测技术为自动化和智能化提供了基础，广泛应用于多个领域，推动了社会、科技和工业的发展。通过提高目标检测算法的精度和效率，我们能够更好地满足社会需求，实现更安全、高效和智能的应用系统。

2、水下目标检测是一个备受关注的研究方向。水下目标检测涉及在水下环境中，通过图像或视频数据，识别和定位水下目标，这些目标可能包括海底地形、水下生物、水下文物、潜艇等。通过水下目标检测技术，我们能够深入了解海洋深处的未知领域，从而推动海洋资源的科学开发和管理。此外，水下目标检测在海洋科学研究中具有不可替代的作用，有助于监测气候变化、研究海洋生态系统以及探索海底资源。通过深入了解水下环境，我们能够更好地保护海洋生态系统、促进可持续海洋利用，从而确保本文档来自技高网...

【技术保护点】

1.一种基于YoloV7和多模态数据的水下目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于YoloV7和多模态数据的水下目标检测方法，其特征在于，步骤三中，

【技术特征摘要】

1.一种基于yolov7和多模态数据的水下目标检测方法，其特征在于，包括如下步骤：

2...

【专利技术属性】
技术研发人员：朱宝峰，王祎，夏秋粉，刘斌，刘宇，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：