基于投影感知的水下声呐目标检测方法

摘要：

现有基于深度学习的水下声呐图像目标检测方法受限于水下声呐图像噪声大、信噪比低,因而检测精度有限.针对该问题,本文提出了基于投影感知和声呐参数信息嵌入的水下声呐图像目标检测方法SonarNet.提出的非参数化的投影感知对齐模块(PAA)在不引入额外的训练参数且无需额外标注的情况下,通过提取水下目标的投影区域特征与目标本身特征融合来提升目标检测精度.同时为了提升算法在不同声呐工作参数下的鲁棒性,本文设计了一个轻量级的声呐全连接网络SonarMLP,将声呐设备的工作参数信息以嵌入信息的形式引入到目标检测过程中.本文在声呐图像目标检测数据集上对算法的有效性进行了验证,在有效检测出水下目标的同时,比现有常用深度学习方法有更高的检测精度,能够提升3%以上的各类平均精确度(mAP).

关键词：水下声呐图像、目标检测、深度学习、卷积神经网络(CNN)、投影感知方法

所属期刊栏目：33

分类号：TP391.41;TN957.52;TP274.2

资助基金：国家自然科学基金61672498

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：602-609