计量学报

作者：陈卫东,谢晓东,岑强,陈娜兰,朱奇光

单位：1. 燕山大学 信息科学与工程学院,河北 秦皇岛066004; 2. 燕山大学河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛066004;

关键词：计量学;水下目标检测;改进FCOS算法;DCN模块;NAS模块

基金：国家自然科学基金 (61773333, 62273296)

提出一种基于改进全卷积单阶段目标检测(FCOS)算法的水下目标检测算法。针对水下光学图像存在高色偏、低对比度、色彩偏暗、模糊失真而导致现有目标检测算法在水下环境检测效果不佳等问题,将骨干网络中的普通卷积替换为可变形卷积(DCN)进行优化,增强算法在模糊的水下光学图片的特征提取能力。通过神经架构搜索(NAS)改进网络的特征融合网络以及检测网络,提升对骨干网络提取到的特征的利用能力。采用CIoU Loss作为新的损失函数来提高坐标回归的准确率。实验表明:改进的FCOS算法在DUO数据集上,检测的准确率提高了1.8%,召回率提高了2.2%,检测速度为53.4帧/s(相比改进前降低了5.0%)。该算法准确率较高并基本达到实时检测的要求。

来源：2023年第11期

《计量学报》期刊编辑部

查看计量学报杂志2023年第11期