摘要
本发明提出一种基于改进YOLO11的水下目标检测方法,属于计算机视觉技术领域。首先,在骨干网络中嵌入全局边缘信息传递模块,利用多尺度边缘信息生成器和边缘信息融合模块,在浅层特征图中提取边缘信息,并将其贯穿整个骨干网络,增强特征表达能力。其次,引入自适应感受野增强模块,结合膨胀残差和重参数化技术,动态调整感受野,提升多尺度目标检测性能。最后,采用Inner‑WIoU损失函数,优化高IoU样本的回归,引入动态聚焦机制,提高小目标定位精度并加速模型收敛。本发明为水下目标精确检测提供了创新的方法,具有重要的实际应用价值,可以应用于实时水下目标检测任务。
技术关键词
参数化技术
信息传递模块
多尺度
网络特征
边缘检测
输出特征
融合边缘信息
计算机视觉技术
动态
图像
机制
通道
传播算法
融合特征
基础
策略
坐标
系统为您推荐了相关专利信息
超声诊断系统
导管
深度学习网络
XGBoost模型
超声诊断方法
天线移相器
表面缺陷检测方法
热阻
红外热像仪
预警模型
移动物体抓取方法
3D点云数据
轨迹规划算法
关键点
权重分配机制
废弃地膜
Laplacian算子
无人机遥感影像
智能检测方法
无人机高分辨率影像