改进的YOLOv3浅海水下生物目标检测

来源：计算机工程与应用杂志2023年第18期北京时间：

作者：陈宇梁, 董绍江, 朱孙科, 孙世政, 胡小林

单位：1.重庆交通大学 机电与车辆工程学院，重庆 400074；2.重庆工业大数据创新中心有限公司，重庆 404100

摘要：针对浅海水下图像存在颜色失真、图像毛糙、局部过曝和尺寸差异大等导致的浅海水下生物目标检测精确度低的问题，提出一种基于YOLOv3网络的浅海水下生物目标检测识别方法。针对浅海中光线弱和使用人造光源导致的局部过曝问题，在YOLOv3网络中加入残差注意力模块，增强对目标的特征提取能力；针对浅海中图像色彩失真和图像毛糙等影响浅海水下生物目标检测识别效果的问题，采用跨阶段局部特征提取提高检测精确度，增强特征提取能力的同时避免信息冗余；针对同一物种由于空间位置造成的尺寸差异大的问题，采用完全交并比损失计算函数，提高目标检测的鲁棒性。通过实验验证证明了改进后的YOLOv3在浅海水下生物目标检测识别任务中能够有效提高精确度，降低漏检率。

关键词：浅海水下生物,目标检测,YOLOv3,跨阶段局部特征,精确度