基于注意力机制的水下目标检测算法

• 作者: 赵晓飞 于双和 李清波 阎妍 赵颖
• 来源期刊: 扬州大学学报（自然科学版）
• 关键词: 深度学习 水下目标检测 注意力机制
• 年，卷（期）: 2021,（1）
• 页码范围: 62-67
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2021.01.011

摘要

针对传统水下目标检测算法识别精度低的问题,提出一种基于注意力机制的水下目标检测算法(feature refinement and attention mechanism network,FRANet).该算法采用特征融合模块和特征增强模块相结合的方式,使用卷积神经网络提取目标的多尺度特征.同时引入一种由锚框精化模块、空间注意力模块和目标检测模块组成的级联注意力机制方案,通过空间注意力机制解决目标类别的不平衡性,改善水下小目标的分类性能和回归性能.试验表明,利用FRANet算法对水下小目标进行识别的平均精度均值(mean average precision,mAP)达80.5％,验证了算法的有效性,为水下目标识别提供了一种新的研究思路与方法.