一种基于强化学习的水母目标检测方法

本发明提供一种基于强化学习的水母目标检测方法，相比传统的CNN，本发明的基于Transformer的特征识别主干网络TBFRNet具有更好的全局特征提取能力；相比Transformer又可以提升区域特征获取能力，降低计算复杂度，提供了模块的解释性；基于人类对水母生物学特性感知，针对水母的生物学特性设计了包含两个子模块FEDM和PDM的水母特征检测模块JDM，这一新的模块融合了人类视觉系统对于水母外观特征的理解，分别强化了网络对水母伞状特征和尾部特征的识别能力和提取能力；同时，分支辅助检测网络BADN可以生成与主干网络相对应的梯度信息，从而在主干网络的梯度计算中起到辅助作用，有助于深度神经网络在信息传递过程中保留关键特征，从而提高模型的性能和学习效率。