来源：期刊VIP网 时间：
作者：张银胜;陈戈;张培琰;童俊毅;单梦姣;单慧琳;
单位：南京信息工程大学电子与信息工程学院;无锡学院电子信息工程学院;
摘要：海洋工程的日常任务经常会利用水下航行器来探测水下环境，针对水下复杂环境采集的图像目标容易出现局部特征信息丢失，导致漏检、检测精度低的问题，提出基于增强局部特征的水下目标检测方法。在主干网络采用Faster Block增强图像特征提取能力；利用归一化注意力模块抑制不显著的特征信息来提高网络的效率；构建集中特征增强金字塔池化模块增强对水下复杂背景下目标局部特征信息的捕获能力；改进损失函数提高网络模型对水下图像目标预测效果。实验结果表明，该方法平均精度相较于原模型提升了1.5百分点，网络推理速度为36.4，能够有效地提升水下目标的检测精度。
关键词：深度学习;目标检测;水下图像;部分卷积;注意力机制;局部特征
基金资助：国家自然科学基金(62071240,62106111); 无锡市“太湖之光”科技攻关(基础研究)项目（K20241047）; 无锡学院2023年教改研究课题(XYJG2023010,XYJG2023011)
