水下目标的多尺度上下文感知检测模型

王峻韬, 郑红, 陆元军, 徐贤, 吴丽娟

华东理工大学学报(自然科学版) ›› 2026, Vol. 52 ›› Issue (2) : 276 -283.

PDF
华东理工大学学报(自然科学版) ›› 2026, Vol. 52 ›› Issue (2) : 276 -283. DOI: 10.14135/j.cnki.1006-3080.20250803001

水下目标的多尺度上下文感知检测模型

    王峻韬, 郑红, 陆元军, 徐贤, 吴丽娟
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对传统模型无法有效处理水下复杂环境噪声、目标尺度变化大、且无法平衡模型大小和精度的问题,本文提出了MSCA-UODA(Multi-scale Context-Aware Underwater Object Detection Algorithm)模型,其设计的上下文增强下采样模块CEADown(Context Enhanced ADown)在降低模型参数量的同时能有效捕获上下文信息,减少了下采样过程中水下环境噪声的影响;同时,提出一种基于双路径部分连接的多尺度特征提取模块CSP-MSPF(Cross Stage Partial-Multi-Scale Partial Feature),并使用单头注意力机制(Single-Head Self-Attention,SHSA)来改进C2PSA,提高了模型的多尺度特征提取能力。实验表明,相较于基准模型,MSCA-UODA模型在数据集URPC2020和DUO的mAP50分别提升了2.0个百分点和1.1个百分点,参数量下降了12.01%,且综合性能优于目前主流的目标检测模型。

关键词

水下目标检测 / 深度学习 / 注意力机制 / 下采样 / 特征提取

Key words

引用本文

引用格式 ▾
水下目标的多尺度上下文感知检测模型[J]. 华东理工大学学报(自然科学版), 2026, 52(2): 276-283 DOI:10.14135/j.cnki.1006-3080.20250803001

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/