基于混合局部通道注意力机制的水下光学图像目标检测算法

摘要

在水下光学图像目标检测任务中，水下环境的复杂性、光线的衰减以及水下生物多以小目标形态呈现共同影响了水下目标的检测精度。为了提高水下目标检测精度，提出一种基于YOLOv5s的水下光学图像目标检测算法。首先，在主干网络上引入Spd-Conv模块，该模块增强了对小目标的识别能力，从而有效提升了模型的检测精度；其次，在预测网络中加入YOLOx＿head模块，通过使用解耦的检测头，提升了模型的收敛速度，使模型在训练时快速收敛；最后，在原有的混合局部通道注意力机制的基础上，设计了捕捉局部空间信息的C3-MLCA模块，从而增强了对目标特征的捕捉能力，并进一步提高了模型的检测精度。实验结果表明，该算法的mAP@0.5提升了2个百分点，达到84.1%;mAP@0.5:0.95提升了3个百分点，达到48.0%。

关键词

YOLOv5s / 目标检测 / 光学图像 / 注意力机制 / 深度学习