面向水下环境的海洋生物轻量化目标检测模型

摘要

针对传统目标检测模型面对物体种类较少、背景相对单一的水下海洋生物数据集时，存在训练时间长、推理速度慢等问题，提出了一种快速轻量化的目标检测模型FL-Net（Fast and Lightweight Network）.（1）采用Res Net18作为骨干网络，减少训练时间和计算量；（2）采用空洞卷积替换普通卷积，提高卷积核的感受野；（3）采用动态激活函数（MetaAcon）替换线性整流函数（Re LU），增强骨干网络的特征提取能力；（4）采用单阶段的Generalized Focal Loss（GFL）方法作为网络头部，提高推理速度和准确率．实验结果表明：FL-Net在Brackish数据集上的准确率达到了79.3%AP(96.6%AP⁵⁰)，平均推理速度为65.2 FPS.

关键词

深度学习 / 目标检测 / 海洋生物