摘要
一种基于改进YOLOv7的目标检测方法,包括以下步骤:获取水下声学图像;对水下声学图像进行数据增强,得到增强后的水下声学图像;将增强后的水下声学图像数据集划分为训练集和测试集;构建基于改进YOLOv7的声纳图像目标识别模型;基于训练集对基于改进YOLOv7的声纳图像目标识别模型进行训练,得到最优目标检测模型;将测试集输入所述最优目标检测模型中,实现对声纳图像的水下目标检测。本发明通过对YOLOv7模型进行改进,在主干提取网络引入注意力机制,提高模型对声纳图像复杂背景的抗干扰能力和目标特征的提取能力,同时在网络Neck部分,融入Multi GnBlocks模块实现关键特征之间的高阶交互。为提高算法的实时性,对模型冗余剪枝,极大压缩模型体积的同时保持检测的高精度。
技术关键词
水下声学
图像特征信息
上采样
交叉注意力机制
模型剪枝方法
引入注意力机制
采样模块
图像多尺度
因子
通道剪枝
投影特征
检测头
网络
元素
模块结构
线性
生成特征
系统为您推荐了相关专利信息
小麦胚芽
追溯方法
多层感知网络
记录数据集合
策略
相位特征
傅里叶变换处理
多层注意力机制
非线性特征提取
纹理特征
模型剪枝方法
原始图像数据
卷积特征
多模态
滤波器
噪声图像
图像处理方法
泊松噪声
磁共振
DWI图像处理系统