基于深度学习的水下图像目标检测方法、设备及介质

本发明公开了一种基于深度学习的水下图像目标检测方法、设备及介质，旨在解决水下光学图像目标识别精度不足的问题。方法包括：采集水下光学图像后，通过自适应混合中值滤波进行噪声处理，基于局部梯度模值动态调整滤波权重；采用Retinex方法增强图像质量；改进YOLOv5模型，引入CBAM注意力机制模块，通过空间与通道注意力分数加权特征图，并采用双向特征金字塔网络替代传统FPN+PAN结构，实现多尺度特征融合优化。其中，双向特征融合通过归一化权重与采样操作增强特征表达，结合光学特征图进行非线性增强。本发明通过联合优化预处理与深度学习模型，显著提升了复杂水下环境中的目标检测精度。