基于残差连接的水下小目标检测结构模型

摘要

由于水下成像距离较远，现有的水下图像目标检测数据集中存在大量小目标，水下小目标特征信息和语义信息少，目前常用的目标检测算法直接应用于水下检测时小目标漏检错检率较高。水下目标检测预处理阶段通常采用图像增强算法来提升图像观感质量，并以此提升小目标检测精度，但图像增强的数据预处理操作容易导致小目标特征丢失，小目标检测性能下降。提出了一种基于残差连接的水下小目标检测结构模型，讨论了图像增强提升目标检测性能的应用方式，通过残差连接将增强算法与目标检测算法联合优化，避免了过度增强导致的特征丢失问题，提升了水下小目标检测精度。所提出的算法在DUO数据集上进行了实验，实验结果表明，相较于YOLOv7,该算法对小目标检测精度提升了7.2%。在两个水下数据集上进行消融实验，验证了所提出的残差连接的方式对于提升小目标检测性能具有促进作用。

关键词

小目标检测 / 图像增强 / 残差连接 / 联合训练

基金资助

国家自然科学基金资助项目(62271236,12171205); 江苏省自然资源发展专项资金(海洋科技创新)项目(JSZRHYKJ202116); 江苏省研究生科研与实践创新计划项目(KYCX2021＿053,KYCX22＿3395)