通道空间深度感知的轻量化水下目标检测

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：赵瑞金,李海涛,陆光豪

摘要：提出了一种通道空间深度感知的轻量化水下目标检测网络CSDP-L-YOLO。该网络基于YOLOv5网络进行改进，由特征感知模块和双注意门控策略组成。特征感知模块旨在将解码器中的多级特征自适应抑制或增强，优化类内学习的一致性，解决水下场景复杂导致的误检和漏检问题；通过线性操作和混洗结构生成特征映射，减少冗余特征的融合和计算，以减少模型的参数量和计算量。双注意门控策略是在编码器中同时引入并发通道空间挤压-激励机制模块和卷积注意力模块，进一步关注强相关性特征，增强模型对特征的敏感度。实验结果表明，与基线模型YOLOv5-s相比，mAP提高了2.4%，节省了20%参数量和15.8%计算量，检测速度提升了8.2 ms。此外，与目前较为先进的YOLOv8模型相比，mAP提高了1.9%。

关键词：水下目标检测;通道空间深度感知;注意力机制;模型轻量化;特征融合;YOLO;

基金资助：1.山东省重点研发计划（科技示范工程）（2021SFGC0701）；2.青岛市海洋科技创新专项（22-3-3-hygg-3-hy）；