基于改进YOLOv5的小样本水下声呐图像目标检测

声纳图像目标检测在水下救援和资源勘探中具有重要意义。传统的声纳目标检测技术存在智能化程度低、鲁棒性差、实时性差、识别精度低等问题。尽管许多基于卷积神经网络的目标检测算法在自然图像中取得了很大的成功。然而,对于水下声纳图像来说,海底混响噪声干扰、前景目标区域像素占比低、成像分辨率差等问题对实现准确的水下目标检测提出了相当大的挑战。为了解决这些问题,文章基于YOLOv5目标检测模型提出了一种新的声纳图像目标检测器。首先,在原有Backbone的基础上基于多头注意力机制引入C3MHSA模块和SE注意机制,提高模型的收敛性和提取目标形状和空间有效特征的能力。此外,在Backbone中加入RFB模块,提高网络在高感受野存在的情况下学习重要信息的能力。实验结果表明,改进后的Yolov5网络的mAP@0.5值为98.9%,较原始YOLOv5模型有了全面大幅提升,明显优于现有方法。

计算机软件开发技术的应用

当前在现代化科技在创新和发展当中,有很多不同的技术手段都在不断地创新和完善当中。然而在当前新阶段,计算机软件的创新和完善非常显著的。计算机软件是信息发展的最终产物,并且当前已经逐渐成为现代化社会发展的关键因素,同时更表明了现代文明的标准。通过开发计算机软件技术,信息技术得到了整体的发展和进步,同时也促使计算机网络水平发展形式更加多样化。