MEAS-YOLO:改进YOLOv5的水下目标智能检测算法

来源：电子测量技术杂志2024年第13期北京时间：

作者：赵永胜，严志远，毛瑞霞，吴彰，朱宏娜

单位：西南交通大学物理科学与技术学院 成都 610031

摘要：针对水下光学图像目标检测中图像背景复杂、各尺度目标共存且分布广泛的问题，本文提出一种水下目标检测模型MEASYOLO。首先，采用Mosaic和Mixup算法实现训练样本数据增强，提高模型的泛化能力；其次，将高效多尺度注意力机制EMA与YOLOv5网络中的骨干层融合，提高模型的特征提取能力；同时，引入自适应空间特征融合ASFF结构，使模型充分融合不同尺度的特征。最后采用SIoU损失函数，进一步提高检测精度。实验结果表明，本模型在全国水下机器人大赛URPC2020数据集上mAP达到86.4％，较改进前提升2.1%。本模型具有较高检测精度和小模型参量，可为水下目标高效检测提供技术支撑。

关键词：水下目标检测;YOLOv5;注意力机制;自适应空间特征融合;SIoU

基金资助：中央高校基本科研业务费专项资金(202310613083)资助