基于改进YOLOv5的海洋目标检测方法研究

针对海洋生物检测中存在的目标被遮蔽或半隐蔽等问题,提出一种适应于水下目标检测的网络WN-A-YOLOv5。在训练改进的模型之前,结合水下增强轻量级网络算法对原图像进行预处理,有助于在复杂的海洋环境下准确识别目标。文中在改进YOLOv5算法时,首先,引入Swin-Transformer主干模块,以提高模型的泛化能力;其次,在head预测部分使用EMA结构以及在主干中引入GAM注意力机制,以提高模型的鲁棒性;最后,引入Focal-EIOU Loss,用于精确边界框回归的高效损失。结果表明,经过改进训练的算法mAP为88.59%,实际检测视频帧率可达38.86,有效地提高了海洋目标检测精度。