摘要
本发明公开了一种适用于水下复杂场景中细小生物的目标检测方法,以解决水下图像检测中的小目标特征模糊、现有检测算法难以准确定位和识别小目标,以及在计算资源受限的设备上难以实现高效检测等问题。该方法基于YOLOv8网络,骨干网络采用P2特征层增强小目标的表达能力,并引入ADown轻量化下采样模块,实现高效特征降采样,颈部网络构建SOEP小目标特征增强金字塔模块,通过SPDConv对P2进行特征重组,采用CSP‑OmniKernel进行高效特征整合,以提升小目标特征的表达能力,并通过双向跨尺度连接进行特征融合,增强多尺度信息交互,提高小目标的检测能力。该目标检测网络更适用于水下复杂环境中的细小生物目标检测,为水下生态监测、海洋生物研究等应用提供有力的技术支持。
技术关键词
特征金字塔
检测网络模型
采样模块
多尺度信息
海洋生物研究
特征提取网络
水下场景
深层特征提取
通道
常见水生生物
分支
检测头
注意力
残差信息
图像
多路径
系统为您推荐了相关专利信息
动态物体
动态场景
强化特征
模糊特征
实例分割网络
图像分析方法
多模态特征
检索图像
切片
语义特征
语义分割方法
无监督
生成对抗网络
轻量化卷积神经网络
可见光图像
反光标记
动态追踪方法
动态跟踪方法
特征提取模块
粗略
车道线检测方法
多层次特征提取
车道检测
层级
视频