改进PP-YOLOv2的水下侧扫声呐图像多目标识别

针对水下侧扫声呐图像对比度低、噪声强度大,现有深度学习方法特征提取能力不足的问题,提出基于PP-YOLOv2引入注意力机制的改进侧扫声呐多目标识别方法.首先,针对侧扫声呐图像信噪比大、不同声呐设备生成的图像大小不一等特点,设计有效的图像预处理方法,包括噪声过滤、图像增强等;其次,基于当前目标检测性能很好的PP-YOLOv2模型设计改进,更换BotNet_dcn为模型主干网络,引入注意力机制提高网络特征提能力;最后,设计新的解耦头替换原耦合检测头,针对侧扫声呐图像的小目标进行精细化预测.结果表明:与原始PP-YOLOv2相比,所提方法在平均识别精度上提升了4.4%;与两种主流的基于卷积神经网络的方法相比,所提方法在平均识别精度上分别提升了4.66%和5.42%,同时在识别效率上分别提升32.4%和27.6%.