系统工程与电子技术

作者：黄思佳, 宋纯锋, 李璇

单位：1. 中国科学院声学研究所水下航行器信息技术重点实验室, 北京 100190；2. 中国科学院大学电子电气与通信工程学院, 北京 100049；3. 中国科学院自动化研究所智能感知与计算研究中心, 北京 100190

关键词：声呐图像,目标检测,数据增强,尺度聚类,轻量化模型

利用深度学习对声呐图像进行目标检测是近年来的研究热点, 然而声呐图像存在目标尺度分布集中、数据获取难等问题, 导致检测效果难以满足需求。针对该问题, 提出了一种基于可变尺度先验框的目标检测方法。首先, 考虑到声呐图像中目标的尺度分布具有其特殊性, 基于先验统计生成可变尺度先验框。其次, 为了解决声呐图像稀缺的难题, 采用数据增强的方法对训练集进行扩充。最后, 探索了模型的轻量化, 通过删减模型的大目标检测层, 在不降低模型精度的同时简化模型结构。为了评估算法的有效性, 以前视声呐图像为例进行了综合试验, 平均精度(mean average precision, mAP)@0.75和mAP@0.5:0.95分别达0.585和0.559, 较原Yolov5网络分别提升了5.8%和3.1%, 同时每秒10亿次浮点运算次数下降到14.9。结果表明，所提算法具有更高的精度和更轻量化的模型结构。

来源：2024年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第3期