来源：期刊VIP网 时间：
作者：宋榕;闫书佳;刘新伯;雷俊松;马露;
单位：上海工程技术大学电子电气工程学院;上海船舶设备研究所;
摘要：[目的]为了准确识别和检测水下海洋生物目标，更好地了解海洋生态系统的结构和功能，[方法]针对当前海洋目标检测面临的光衰减、图像模糊和多尺度变化等诸多挑战，在基于深度学习的目标检测技术的基础上，提出一种基于实时端到端目标检测（RT-DETR）模型的实时轻量化水下目标检测方法（RTL-Star DETR）。充分利用星运算的高维特征表达能力，通过改进的Star Net模块构建主干网络，在保证充分提取目标特征的同时，有效降低模型的参数量和计算量。[结果]设计的动态分组卷积结合洗牌机制模块（DGCSMM）相比Repblock模块具有更强的特征融合能力和更少的参数量。利用数据集URPC2021和ROUD对不同算法的检测性能进行对比，验证该方法的有效性。[结论]结果显示，该方法相比原始RT-DETR-r18模型，m_(AP0.50)和m_(AP0.50～0.95)均提高1.3%，参数数量和计算量分别减少33.7%和37.2%。
关键词：水下目标检测;;深度学习;;实时端到端目标检测(RT-DETR)模型;;计算机视觉
