改进Cascade RCNN的水下目标检测

近年来海洋观测技术快速发展,水下目标检测在军事防御、水下资源勘探、海洋环境保护以及水产养殖、渔业等海洋经济领域发挥了重要作用。在水下目标检测领域,常用检测模型对尺度差异大的目标检测效果较差。针对这个问题,本文提出采用改进Cascade RCNN算法对水下目标进行检测。该算法在深度网络Cascade RCNN的基础上,选用残差神经网络Res Net50作为模型的骨干网络、特征金字塔网络(FPN)作为特征提取方式,并通过随机搜索的方法调整超参数,显著提升了下水下目标检测的精度。