摘要
本发明属于目标检测方法技术领域,尤其涉及一种水下目标检测模型及其检测方法。本文基于YOLOv9s模型进行了改进,提出了检测模型。该模型通过整合双动态令牌混合器模块,增强了特征提取能力。设计了通道注意力与空间注意力网络,利用通道注意力模块与空间注意力模块引导特征融合,从而提高了水下目标检测的准确性和实时性。充分考虑了水下环境的特殊性,通过动态调整特征提取过程中的令牌分配,提升了模型对复杂环境中目标的识别能力。同时,通道注意力与空间注意力机制的引入,有效地增强了特征融合的效果,提高了目标检测的精度和可靠性,且权重小,确保了模型的高效性和可移植性。
技术关键词
卷积模块
通道注意力机制
网络模块
特征提取能力
图片
空间注意力网络
混合器模块
尺寸
图像像素
检测模型训练
数据
输入输出模块
精度
分支
系统为您推荐了相关专利信息
视觉
sigmoid函数
注意力机制
特征提取能力
离散化方法
车牌识别模型
全卷积神经网络
车牌识别方法
数据
车牌字符识别
图像序列数据
激光点云数据
静态避障
动态避障
通道注意力机制