基于特征增强的海面强干扰目标检测

2024-06-26 170 2.9M 0

  针对海上搜救行动中海面目标检测任务所面临的高动态背景干扰、多尺度目标检测、小目标特征信息易丢失等问题,本研究基于特征增强、自适应特征融合的思想,以YOLOv8网络为基线模型,提出了一种改进的TS-YOLOv8网络:首先,基于Transformer中的查询机制设计了TFF(Transformer-based Feature Fusion,TFF)模块,通过不同尺度特征之间的深度信息交互,对各特征层实现特征增强,然后再利用可学习参数对各层特征进行自适应特征融合。其次,引入了几乎无参数的Shuffle Attention注意力机制,在保持网络轻量化的同时捕捉到更多复杂的特征信息。在AFO数据集上,通过与多种主流检测算法的对比实验以及多组消融实验,本方法的m AP50达到了95.14%,相较于基线模型提升了5.6%,m AP95提升了7.38%,检测速度达到了110帧/s。在SeaDronesSee数据集上,通过多组消融实验,本方法的m AP50达到了91.34%,相较于基线模型提升了4.47%,m AP95提升了5.92%,检测速度达到了106帧/s。这些结果充分满足了海上搜救任务的苛刻要求。



您还没有登录,请登录后查看详情



 

1/26专辑:论文下载

举报收藏 0打赏 0评论 0
  • 虚交所
    加关注9
  • 虚拟资产交易平台
相关文档
本类推荐
下载排行
网站首页  |  关于我们  |  联系方式  |  用户协议  |  隐私政策  |  版权声明  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  蜀ICP备2024057410号-1