改进损失函数的增强型FPN水下小目标检测

摘要：

针对水下小目标因携带特征信息少、定位不精准而导致检测精度低的问题,提出一种特征金字塔网络(FPN).首先,在 FPN 上采样过程中加入协同非局部注意力模块,利用卷积、横纵向池化挖掘特征图的静态和动态上下文信息;其次,在 FPN 通道调整过程中加入三叉戟特征增强模块,利用并行空洞卷积与高效通道注意力(ECANet)捕捉多尺度空间与通道特征信息;最后,在 Faster R-CNN 算法的回归损失函数中引入线性回归损失增益系数,增大对多尺度目标回归偏移量的惩罚,提高定位精度.实验结果表明,采用 2020 年全国水下目标检测大赛提供的数据集、PASCAL VOC数据集和MS COCO数据集进行实验,该算法比基线Faster R-CNN算法精度分别提升 2.8％,2.2％和2.5％,结果证明了其有效性.

关键词：水下目标检测、小目标检测、特征金字塔网络、损失函数、Faster R-CNN

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省科技攻关项目;河南省自然科学基金项目

在线出版日期：2023-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：525-537