Improved YOLOv5-based Underwater Infrared Garbage Detection Algorithm
-
摘要:
针对水下废弃物红外目标检测中出现的检测目标边界细节模糊、图像质量低和存在各种不规则形状或损坏的覆盖物等问题，本文提出了一种基于YOLOv5的改进目标检测方法（EFDCD-YOLO）。在主干网络中选择InceptionNeXt网络，以增强模型的表达能力和特征提取能力。其次，在特征融合层中通过加入EffectiveSE注意力机制，自适应地学习特征通道的重要性，并进行选择性加权。采用可变形卷积替代原模型中的C3模块，使模型能够更好地感知目标的形状和细节信息。此外，将CARAFE算子替代上采样模块，增强对细粒度特征的表现能力，避免信息丢失。在损失函数方面，采用Focal-EIOU损失函数，以提高模型对目标定位和边界框回归的准确性。最后，引入DyHead替换YOLOv5中的头部，通过动态感受野机制和多尺度的特征融合方式，提升模型的准确性。将改进后的EFDCD-YOLO模型应用于水下废弃物红外目标检测，相比于YOLOv5模型，改进后的模型在准确率（P）、召回率（R）和平均精度（mAP）方面分别提升了21.4%、9.7%和13.6%。实验结果表明，EFDCD-YOLO能够有效地提升水下废弃物红外目标检测场景的性能，更好地满足水下废弃物红外目标检测的需求。
-
关键词:
- 水下废弃物红外目标检测 /
- 注意力机制 /
- 可变形卷积 /
- 动态感受野
Abstract:An improved object detection method (YOLO with EffectiveSE, Focal-EIOU, DCNv2, CARAFE, and DyHead) is proposed based on YOLOv5 to address issues in underwater waste infrared target detection, such as blurred boundary details, low image quality, and the presence of various irregular or damaged coverings. The InceptionNeXt network is selected as the backbone network to enhance the model's expressive power and feature extraction capability. Additionally, the EffectiveSE attention mechanism is introduced in the feature fusion layer to adaptively learn the importance of feature channels and selectively weight them. Deformable convolutions are used to replace the C3 module in the original model, enabling it to better perceive the shapes and details of the targets. Moreover, the CARAFE operator is employed to replace the upsampling module, thereby enhancing the representation ability of the fine-grained features and avoiding information loss. In terms of the loss function, the Focal-EIOU loss function is adopted to improve the accuracy of the model in target localization and bounding box regression. Finally, DyHead is introduced to replace the head of YOLOv5, thereby enhancing the model accuracy via dynamic receptive field mechanisms and multiscale feature fusion. The improved EFDCD-YOLO model is applied to underwater waste infrared target detection and compared to the YOLOv5 model. The model achieves a 21.4% improvement in precision (P), 9.7% improvement in recall (R), and 13.6% improvement in mean average precision (mAP). The experimental results demonstrate that EFDCD-YOLO effectively enhances the detection performance in underwater waste infrared target detection scenarios and effectively meets the requirements of underwater infrared target detection.
-
0. 引言
近年来，随着红外制冷探测器朝尺寸小、重量轻、功耗低、成本低即低SWaP-C（size, weight and power, cost）方向快速发展，集成小型制冷机的该类中波红外探测器国外已大量应用于武器热瞄镜、便携式手持热像仪、小型无人机、无人车、遥控狙击手和遥控武器站、导弹导引头等空间受限的红外系统[1]。针对该类小型探测器设计一款仅由4片透镜组成的尺寸小、重量轻、成本低的中波红外连续变焦光学系统进而生产结构紧凑、低功耗和低成本的红外变焦热像仪将在手持观瞄具、边防监视系统、小型无人系统等平台得到广泛应用。
目前采用四片式的红外变焦光学多为双视场变焦系统。文献[2]为四片式非制冷双视场，文献[3]为四片制冷型长波双视场系统，文献[4]为4片制冷型中波双视场系统，目前仅采用4片透镜实现连续变焦的制冷型红外光学系统未见报道。
从变焦理论分析，一般常用的机械补偿变焦系统由典型的前固定组、变倍组、补偿组、后固定组4组透镜组成。变倍组一般是负透镜，而补偿组可以是正透镜组也可以是负透镜组，前者为正组补偿系统，后者称为负组补偿系统。从光学系统像差校正难易程度、减少透镜数量、降低光学透镜成本考虑，本文采用无后固定组正组补偿变焦系统，即变焦部分由会聚目标光线的前固定组正透镜、变倍负透镜、补偿正透镜构成。为压缩前固定组物镜口径并满足100%冷屏效率，系统采用二次成像方案，利用单片正光焦度透镜将一次像再次中继成像到探测器焦平面。为压缩轴向尺寸，采用二片平面反射镜将光路U型折转，最终实现仅由4片透镜构成的轻小型中波红外连续变焦光学系统。
1. 连续变焦理论计算模型
机械补偿连续变焦光学系统参数求解就是确定变焦系统在满足像面稳定和焦距在一定范围内连续变化的条件下系统中各组元的焦距、间隔、位移量等参数。通过建立数学模型能方便地计算和分析变焦过程、确定变焦系统高斯光学参数[5]。二组元正组补偿连续变焦系统运动方式如图 1所示。
![]()
图 1 正组补偿光学系统变焦模型Figure 1. Principle diagrams of continuous zoom optical system with mechanical compensation变焦系统由于只有运动组才产生像面位移，只需抽出变倍组、补偿组加以分析。
因变倍组f2′的移动，引起整个运动组分的像面移动为m32(1－m22)dq，因补偿组f3′的移动，引起整个运动组分的像面移动为(1－m32)dΔ。为达到像面稳定，两个运动组像面移动量的代数和必为零。
$$ m_3^2\left(1-m_2^2\right) \mathrm{d} q+\left(1-m_3^2\right) \mathrm{d} \varDelta=0$$ (1) 而变倍组f2′、补偿组f3′微分移动量dq、dΔ与其倍率变化dm2、dm3之间的关系为：
$$ \mathrm{d} q = \frac{{{f_2}'}}{{m_2^2}}\mathrm{d}{m_2} $$ (2) $$ \mathrm{d} \varDelta=f_3{ }^{\prime} \mathrm{d} m_3 $$ (3) 将(2)、(3)代入(1)，经整理得到二组元连续变焦微分方程如下：
$$ \frac{{1 - m_2^2}}{{m_2^2}}{f_2}'\mathrm{d}{m_2} + \frac{{1 - m_3^2}}{{m_3^2}}{f_3}'\mathrm{d}{m_3} = 0 $$ (4) 式(4)是多变量全微分型微分方程，设U(m2, m3)为原函数，则有dU(m2, m3)＝0。
其通解为：
$$ U({m_2}, {m_3}) = {f_2}'(\frac{1}{{{m_2}}} + {m_2}) + {f_3}'(\frac{1}{{{m_3}}} + {m_3}) = C $$ (5) 式中：C为常量；设变倍组f2′、补偿组f3′初始状态都处于系统长焦位置，则：
$$ m_{2}＝m_{2l}\text{；}m_{3}＝m_{3l} $$ (6) 同样有：
$$ {f_2}'(\frac{1}{{{m_{2l}}}} + {m_{2l}}) + {f_3}'(\frac{1}{{{m_{3l}}}} + {m_{3l}}) = C $$ (7) 消去常量C，得到方程的特解：
$$ {f_2}'(\frac{1}{{{m_2}}} - \frac{1}{{{m_{2l}}}} + {m_2} - {m_{2l}}) + {f_3}'(\frac{1}{{{m_3}}} - \frac{1}{{{m_{3l}}}} + {m_3} - {m_{3l}}) = 0 $$ (8) 将(8)式整理得到补偿组f3′的倍率m3构成的二次方程：
$$ m_3^2 - b{m_3} + 1 = 0 $$ (9) 其中
$$ b = - \frac{{{f_2}'}}{{{f_3}'}}(\frac{1}{{{m_2}}} - \frac{1}{{{m_{2l}}}} + {m_2} - {m_{2l}}) + (\frac{1}{{{m_{3l}}}} + {m_{3l}}) $$ (10) 解得m3的两根为：
$$ {m_{31}} = \frac{{b + \sqrt {{b^2} - 4} }}{2} $$ (11) $$ {m_{32}} = \frac{{b - \sqrt {{b^2} - 4} }}{2} $$ (12) 系统参数求解过程如下：
1）将(2)式积分并整理得到变倍组f2′的倍率m2；
$$ {m_2} = \frac{1}{{\frac{1}{{{m_{2l}}}} + \frac{{{q_2}}}{{{f_2}'}}}} $$ (13) 2）根据求得的m2按照公式(10)求出系数b，再由(11)、(12)式解得补偿组f3′满足运动方程的两个解m31和m32。
3）根据补偿组的两个解求出满足运动方程补偿像面位移的移动量Δ1和Δ2：
$$ \varDelta_{1}＝f_{3}′(m_{31}－m_{3l})$$ (14) $$ \varDelta_{2}＝f_{3}′(m_{32}－m_{3l}) $$ (15) 4）求出系统的总变倍比
$$ {\varGamma _1} = \frac{{{m_{2l}}{m_{3l}}}}{{{m_2}{m_{31}}}} $$ (16) $$ {\varGamma _2} = \frac{{{m_{2l}}{m_{3l}}}}{{{m_2}{m_{32}}}} $$ (17) 变倍组f2′每移动q2对应着Γ1和Γ2，变倍组和补偿组一起同步运动直到预定的总变倍比为止，到达变倍比的要求的最终状态为系统短焦位置。根据上述连续变焦微分模型，利用(10)~(17)式，可解得各组分光焦度分配及间隔位置关系。
2. 连续变焦系统设计流程
针对复杂的变焦光学系统，建立模型是至关重要的环节，尽管根据(10)~(17)式可推导求解变焦系统高斯参数，但是当光学系统初始参数选择不合适, 会使得系统光焦度分配不合理导致系统像差校正难度大、间隔不合适导致各组件运动中相互碰撞等情况发生。鉴于连续变焦系统的复杂性，系统建模难度大，因此根据连续变焦理论模型编制连续变焦参数计算程序，辅助建立理想光学模型。建模后，设计工作的重点将放在选型以及评价函数的设置和动态修改上，使得设计系统快速收敛[6]。连续变焦光学系统设计流程如图 2所示。
首先，根据设计指标要求需要建立理想光学模型，确定每个组元的参数；再合理选型选材、设定评价函数，进入优化和全局优化；最后根据设计结果评价成像质量。其中函数优化和像质评价环节反复多次迭代，直至达到设计技术指标要求。
3. 连续变焦光学系统设计
3.1 设计指标
中波制冷型连续变焦光学系统采用昆明物理研究所研制生产的长度方向仅119 mm的小型化制冷型中波红外640×512焦平面探测器组件，该探测器具体参数如表 1所示。连续变焦光学系统主要设计指标见表 2。
表 1 探测器参数Table 1. Parameters of detectorDetector HgCdTe Array size 640×512 Pixel dimension/μm 15 NETD/mK ≤22 Spectral response/μm 3.7−4.8 μm Weight ≤380 g 表 2 光学系统设计指标Table 2. Parameters of optical system designWorking waveband/μm 3.7 to 4.8 Zoom 10:01 Field of view 20°×16° to 2.0°×1.6° F# 4 Focal length/mm 27.0~275 Working temperature/℃ -40 to 60 3.2 设计过程
首先，按照系统指标要求，根据连续变焦理论模型编制连续变焦正组补偿参数计算程序求解变焦光学系统各组元光焦度分配及位置间隔关系。在系统初始参数取值上主要考虑以下几点：
1）系统采用二次成像，既可以压缩前固定组直径又可以满足100%冷屏效率。中继组初始倍率取为－1×，前端变焦核心按照系统实际变焦范围进行取值，无需缩放；
2）系统无后固定组，在理论求解中将后固定组倍率取为1×即将后固定组定为无光焦度的虚拟面；
3）为压缩系统变焦过程中变倍组、补偿组位移量，变倍组长焦初始倍率取较大的倍率值，以符合最速变焦理论；
4）考虑光路U型折转，补偿组和中继组之间需较大的空间安置两片平面反射镜，则补偿组取较大的焦距值；
5）系统处于短焦位置时前固定组与变倍组应留出足够的间隔，使两组透镜不至于相碰，初始值设为0.55，补偿组与无光焦度后固定组虚拟面距离初始设为0.55。
利用计算程序，通过反复调整系统初始参数，观察组元间隔、光焦度分配是否合适，最终确定系统初始值为：
$$ \begin{gathered} f_{2}′＝－1、f_{3}′＝1.62、m_{2l}＝－1.45、\\m_{3l}＝－1.34、d_{12d}＝0.55、d_{34d}＝0.55 \end{gathered} $$ 表 3为连续变焦光学系统参数简易计算程序按照上述初始值计算得到的5个视场位置的变焦间隔参数分配结果。
表 3 变焦系统初始间隔参数Table 3. Initial spacing parameters of optical systemFocal length/mm 275 215 150 78.6 25.9 f1/f2 spacing/mm 83.49 80.06 74.56 59.44 18.90 f2/f3 spacing/mm 13.02 24.01 38.57 68.69 125.94 f3/f4 spacing/mm 67.23 59.67 50.61 35.61 18.90 其次，将上述程序计算的变焦光学系统各组元光焦度及间隔位置参数输入ZEMAX光学设计程序，得到系统近轴光学结构，如图 3所示。通过近轴光学结构分析，系统在各位置的焦距值与计算值吻合、总长一致、间隔布局合理、变焦曲线连续，验证程序计算结果正确，可进入下一步选型工作。
再次，考虑各组元材料与调焦镜的选取，由于系统需满足－40℃~+60℃工作环境下成像清晰要求，按照光学系统无热化设计理论，系统的光焦度分配、材料选取、元件间隔都要满足光焦度、消色差、消热差3个方程[7]。
$$ \sum\limits_{i = 1}^j {{h_i}{\varphi _i}} = \varphi $$ (18) $$ {\left( {\frac{1}{{{h_1}\varphi }}} \right)^2}\sum\limits_{i = 1}^j {h_i^2{\varphi _i}{\theta _i}} = 0 $$ (19) $$ {\left( {\frac{1}{{{h_1}\varphi }}} \right)^2}\sum\limits_{i = 1}^j {h_i^2{\varphi _i}{\chi _i}} = \sum\limits_{i = 1}^j {{\alpha _i}{L_i}} $$ (20) 式中：hi、ϕi、θi、χi分别为系统各透镜组近轴光线高度、光焦度、色差系数及热差系数；h1为第一透镜近轴光线高；ϕ为系统总光焦度；αi为各透镜间隔镜筒材料的线膨胀系数；Li为各间隔镜筒长度。
该系统采用分步设计技术实现系统连续变焦无热化。首先选取满足上述(18)(19)公式的光焦度和材料分配，实现系统常温状态连续变焦成像清晰及高低温情况下离焦量的线性变化，系统光学材料主要选用硅单晶、锗单晶及硒化锌。其次利用主动补偿技术使系统满足(20)式要求，由于系统透镜数量少，变倍组、补偿组采用凸轮轨道变焦，中继组的轴向移动会产生变倍效果即系统视场焦距发生变化，因此采用前固定组轴向移动来进行主动调焦消热。通过上述无热化设计方法，光学系统在－40℃~+60℃温度范围内保持其性能基本不变。
最后，设置多重结构，合理设计像差评价函数，不断调整优化。为提升连续变焦系统各视场成像清晰度要求，通过设置多个高次非球面和二元衍射面，以提供更多的自由度，有利于球差、色差、像散等各类像差的校正。
3.3 设计结果
轻小型中波红外连续变焦光学系统最终设计结果如图 4所示，从上到下依次为长焦275 mm、中焦100 mm、短焦27 mm的系统图。
系统前固定组采用硅单晶材料用于会聚目标景物光线、压缩变倍组透镜尺寸；变倍组采用锗单晶材料，利用锗单晶高折射率、高色散的特性实现大倍率的变焦；补偿组采用硒化锌材料主要利用其较低的温度折射率系数使其在高低温工作环境只产生较小的离焦量以便实时补偿；中继组选择具有低的温度折射率系数、低色散的硅单晶材料平衡前端变焦核的残留色差。
整个光学系统由4片透镜、两个平面反射镜组成，其中最大透镜为第一透镜其加工直径为71 mm，平面反射镜U型折转后光学系统轴向尺寸长度172 mm，横向尺寸宽度108 mm，光学零件总重量为64 g。该系统光学透镜数量少、重量轻，光路紧凑体积小，冷屏效率100%，适配小型化制冷探测器符合连续变焦光学系统轻小型设计理念。
3.4 二元衍射面分析
由于二元衍射面在消热差、消色差方面的优异特性，系统采用了两个二元衍射面用于减少透镜数量、简化系统设计、提高系统成像质量。
在补偿组透镜硒化锌材料上引入的二元衍射面参数为Norm Radius＝15 mm，A1＝－33.416，A2＝4.580。经计算得到二元衍射面环带深度随透镜径向的变化如图 5所示。硒化锌二元面环带数为4，最大环带深度2.918 μm，最小环带间隔宽度为2.06 mm。该面型环带间隔宽、加工环带数量少，易于单点金刚石车削加工。
![]()
图 5 硒化锌基底二元面环带与半径的关系Figure 5. Relationship between the ring depth and radius of the ZnSe binary optical element在中继组硅单晶材料引入的二元衍射面参数为Norm Radius＝16 mm，A1＝－60.402，A2＝－1.254。其环带深度随透镜径向的变化如图 6所示。硅透镜二元面环带数为9，最大环带深度1.72 μm，最小环带间隔宽度为0.86 mm。该透镜由于材料硬、环带多相对加工难度大，目前昆明物理所光学中心采用单点金刚石车削加工工艺，能制造出满足指标要求的硅基底二元光学元件。
![]()
图 6 硅基底二元面环带与半径的关系Figure 6. Relationship between the ring depth and radius of the silicon binary optical element3.5 凸轮曲线计算
本文应用动态光学理论[8]，根据像移补偿公式计算补偿组运动曲线。由于变焦组和补偿组均为沿光轴的一维移动，稳像方程为：
$$ {\beta _{2m}}{\beta _2}(1 - {\beta _{1m}}{\beta _1}){q_1} + (1 - {\beta _{2m}}{\beta _2}){q_2} = 0 $$ (21) 式中：β1为变倍组初始位置的垂轴放大率；β1m为变倍组运动后的垂轴放大率；β2为补偿组初始位置的垂轴放大率；β2m补偿组运动后的垂轴放大率；q1为变倍组沿光轴位移量；q2为补偿组沿光轴位移量。
式中：
$$ {\beta _{1m}} = \frac{{{\beta _1}{f_1}'}}{{{f_1}' - {\beta _1}{q_1}}} $$ (22) $$ {\beta _{2m}} = \frac{{{\beta _2}{f_2}'}}{{{f_2}' + (1 - {\beta _1}{\beta _{1m}}){\beta _2}{q_2} - {\beta _2}{q_2}}} $$ (23) 由(21)式~(23)式可得出q1和q2的运动关系，即：
$$ Aq_{2}^{2}+Bq_{2}+C＝0$$ (24) 式中：
$$ A＝(f_{1}′－β_{1}q_{1})β_{2}\text{；} $$ $$ \begin{align} B＝&β_{1}β_{2}q_{1}^{2}+[f_{2}′(1－β_{2}^{2})β_{1}－f_{1}′(1－β_{1}^{2})β_{2}]q_{1}－ \\&f_{1}′f_{2}′(1－β_{1}^{2}) \end{align}$$ $$ C＝β_{2}^{2}f_{2}′[β_{1}q_{1}－f_{1}′(1－β_{1}^{2})]q_{1} $$ 得到：
$$ {q_2} = \frac{{ - B \pm \sqrt {{B^2} - 4AC} }}{{2A}} $$ (25) 根据上述求解公式计算该变焦系统凸轮曲线如图 7所示。变倍组最大行程为28.6 mm、补偿组最大行程35 mm；补偿组曲线变化平滑，有利于凸轮轨道加工。
4. 系统像质评价
4.1 光学传递函数
系统3个焦距状态下的光学传递函数（MTF）如图 8所示。在3个焦距状态下的系统MTF满足使用要求，光学系统成像质量清晰。
4.2 点列图
系统3个焦距状态下的点列图如图 9所示。各视场RMS（root mean square）均小于一个像素，最大弥散斑RMS半径为12.6 μm，小于像元尺寸；最大弥散斑几何半径为24.5 μm，与系统艾里斑半径20.9 μm相当。系统成像质量良好，满足使用要求。
4.3 畸变
系统畸变情况如图 10所示，在长焦端小视场位置时，最大畸变量为1.2%，在短焦端大视场位置时的最大畸变量为2.4%，该变焦系统畸变对连续成像无明显影响。
4.4 系统高低温成像质量
在高低温工作环境中，系统采用轴向移动前固定组进行主动调焦消热。系统长焦端受环境温度变化，成像质量影响较大，本文主要分析长焦275 mm在高低温下经补偿后的系统成像质量。图 11为系统在高低温下长焦经补偿后的系统调制传递函数。图 12为系统在高低温下长焦经补偿后的系统点列图。从高低温传函图及点列图中看出系统在－40℃~60℃范围内成像质量良好，满足使用要求。
![]()
图 11 系统长焦时高低温下光学传递函数Figure 11. MTF curves of continuous zoom optical system at high and low temperatures![]()
图 12 系统长焦时高低温下点列图Figure 12. Spot diagrams of continuous zoom optical system at high and low temperatures5. 结论
基于小型化制冷中波640×512、像元间距15 μm的焦平面探测器，设计一款具有SWaP-C特征的正组补偿连续变焦光学系统。系统由4片透镜两片平面反射镜组成，F#为4、视场变化范围为20°×16°~2.0°×1.6°，变倍比为10×、U型折叠后系统包络尺寸为172 mm×108 mm、最大物镜口径71 mm、光学零件总重量64 g、零件加工工艺成熟，变焦凸轮曲线平滑，在－40℃~60℃范围内保持较好的成像质量。该轻小型中波红外连续变焦光学系统在导航、搜索、跟踪、警戒、侦察等领域具有广阔的市场前景。
-
表 1 实验环境配置
Table 1 Experimental environment configuration
Configuration item Configuration item parameter CPU Intel(R)Core(TM)i9-10900X CPU@3.70GHz GPU NVIDIA RTX2080ti Graphics card 12G OS version Ubuntu20.04 CUDA 10.2 Compiling environment Python3.8+Pytorch1.12.1 
下载: 导出CSV
表 2 替换主干网络实验
Table 2 Replacing the backbone network experiment
mAP/% GFLOPs/G Params/M CSPDarknet53 43.8 15.8 7.0 InceptionNeXt 53.0(+9.2) 75.2 32.2
下载: 导出CSV
表 3 添加注意力机制实验
Table 3 Add attention mechanism experiment
mAP/% GFLOPs/G Params/M BaseLine 53.0 75.2 32.2 CoordAttention+ 53.2(+0.2) 75.2 32.2 GAM+ 53.6(+0.6) 107.9 42.4 SGE+ 53.6(+0.6) 75.1 32.2 BiFormer+ 55.0(+2.0) 139.6 33.8 EffectiveSE+ 55.0(+2.0) 75.4 32.6
下载: 导出CSV
表 4 损失函数改进实验
Table 4 Improvement experiment of loss function
mAP/% GFLOPs/G Params/M BaseLine 55.0 75.4 32.6 SIOU+ 55.0(+0.0) 75.4 32.6 WIOU+ 55.0(+0.0) 75.4 32.6 DIOU+ 55.6(+0.6) 75.4 32.6 FocalEIOU+ 55.7(+0.7) 75.4 32.6
下载: 导出CSV
表 5 添加DCNv2、CARARE和DyHead的实验结果
Table 5 Add DCNv2, CARARE, and DyHead experiment results
DCNv2 CARAFE DyHead mAP/% GFLOPs/G Params/M - - - 55.7 75.4 32.6 √ 55.8(+0.1) 74.0 32.7 √ 55.9(+0.2) 75.8 32.7 √ 56.4(+0.7) 76.2 32.8 √ √ 55.8(+0.1) 74.3 32.9 √ √ 56.5(+0.8) 74.8 33.0 √ √ 57.3(+1.6) 76.5 33.0 √ √ √ 57.4(+1.7) 75.0 33.2
下载: 导出CSV
表 6 对比实验
Table 6 Comparative experiment
P/% R/% mAP/% GFLOPs/G Params/M YOLOv5-
LeakyReLU59.8 34.9 38.0 15.8 7.02 YOLOv5-
transformer46.3 40.7 40.1 15.6 7.02 PP-YOLO 56.8 44.5 46.5 16.1 12.3 YOLO-Ghost 57.8 46.1 46.7 8.0 3.68 YOLOv5 43.8 44.0 43.8 15.8 7.02 YOLOv7 45.2 53.2 51.8 103.2 36.5 YOLOv8 51.0 44.4 47.9 78.7 25.8 EFDCD-
YOLO65.2 53.7 57.4 75.0 33.2
下载: 导出CSV
-
[1] Schechner Y Y, Narasimhan S G, Nayar S K. Instant dehazing of images using polarization[C]//Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. IEEE, 2001, 1: Ⅰ-Ⅰ.
[2] Bazeilles, Quidui, Jaulinl. Identification of underwater man-made object using a colour criterion[J]. Proceedings of the Insitute of Acoustics, 2007, 29(6): 25-52.
[3] LI C Y, GUO J C, CONG R M, et al. Underwater image enhancement by dehazing with minimum information loss and histogram distribution prior[J]. IEEE Transactions on Image Processing, 2016, 25(12): 5664-5677. DOI: 10.1109/TIP.2016.2612882
[4] Redmon J, Divvala S, Girshick R, et al. You only look once: Unified, real-time object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016: 779-788.
[5] Redmon J, Farhadi A. YOLO9000: better, faster, stronger[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2017: 7263-7271.
[6] Redmon J, Farhadi A. Yolov3: An incremental improvement[J]. arXiv preprint arXiv: 1804.02767, 2018.
[7] Bochkovskiy A, WANG C Y, LIAO H Y M. Yolov4: Optimal speed and accuracy of object detection[J]. arXiv preprint arXiv: 2004.10934, 2020.
[8] LIU W, Anguelov D, Erhan D, et al. Ssd: Single shot multibox detector[C]//Computer Vision–ECCV, 2016: 21-37.
[9] 陈鑫林. 基于深度学习的水下垃圾检测[D]. 贵阳: 贵州师范大学, 2022. CHEN Xinlin. Underwater Garbage Detection Based on Deep Learning [D]. Guiyang: Guizhou Normal University, 2022.
[10] 袁红春, 臧天祺. 基于注意力机制及Ghost-YOLOv5的水下垃圾目标检测[J]. 环境工程, 2023, 41(7): 214-221. DOI: 10.13205/j.hjgc.202307029. YUAN Hongchun, ZANG Tianqi. Underwater garbage target detection based on attention mechanism and Ghost-YOLOv5[J]. Environmental Engineering, 2023, 41(7): 214-221. DOI: 10.13205/j.h JGC.202307029.
[11] JIANG H, Learned Miller E. Face detection with the faster R-CNN[C]//12th IEEE International Conference on Automatic Face & Gesture Recognition, 2017: 650-657.
[12] CAI Z, Vasconcelos N. Cascade R-CNN: High quality object detection and instance segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2019, 43(5): 1483-1498.
[13] ZHOU X, WANG D, Krähenbühl P. Objects as points[J]. arXiv preprint arXiv: 1904.07850, 2019.
[14] 吕晓倩. 基于Faster R-CNN的水下目标检测方法研究与实现[D]. 哈尔滨: 哈尔滨工业大学, 2019. LYU Xiaoqian. Research and Implementation of Underwater Target Detection Method Based on Faster R-CNN [D]. Harbin: Harbin Institute of Technology, 2019.
[15] 王蓉蓉, 蒋中云. 基于改进CenterNet的水下目标检测算法[J]. 激光与光电子学进展, 2023, 60(2): 239-248. WANG Rongrong, JIANG Zhongyun. Underwater target detection algorithm based on improved CenterNet[J]. Progress in Laser and Optoelectronics, 2023, 60(2): 239-248.
[16] YU W, ZHOU P, YAN S, et al. Inceptionnext: When inception meets convnext[J]. arXiv preprint arXiv: 2303.16900, 2023.
[17] Lee Y, Park J. Centermask: Real-time anchor-free instance segmentation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2020: 13906-13915.
[18] ZHANG Y F, REN W, ZHANG Z, et al. Focal and efficient IOU loss for accurate bounding box regression[J]. Neurocomputing, 2022, 506: 146-157. DOI: 10.1016/j.neucom.2022.07.042
[19] WANG R, Shivanna R, CHENG D, et al. DCN v2: Improved deep & cross network and practical lessons for web-scale learning to rank systems[C]//Proceedings of the Web Conference, 2021: 1785-1797.
[20] WANG J, CHEN K, XU R, et al. Carafe: Content-aware reassembly of features[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision, 2019: 3007-3016.
[21] DAI X, CHEN Y, XIAO B, et al. Dynamic head: Unifying object detection heads with attentions[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2021: 7373-7382.
[22] Bochkovskiy A, WANG C Y, LIAO H Y M. Yolov4: Optimal speed and accuracy of object detection[J]. arXiv preprint arXiv: 2004.10934, 2020.
[23] Fulton M, HONG J, Islam M J, et al. Robotic detection of marine litter using deep visual detection models[C]//International Conference on Robotics and Automation (ICRA). IEEE, 2019: 5752-5758.
[24] HOU Q, ZHOU D, FENG J. Coordinate attention for efficient mobile network design[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2021: 13713-13722.
[25] LIU Y, SHAO Z, Hoffmann N. Global attention mechanism: retain information to enhance channel-spatial interactions[J]. arXiv preprint arXiv: 2112.05561, 2021.
[26] ZHU L, WANG X, KE Z, et al. BiFormer: vision transformer with bi-level routing attention[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2023: 10323-10333.
[27] LI X, HU X, YANG J. Spatial group-wise enhance: Improving semantic feature learning in convolutional networks[J]. arXiv preprint arXiv: 1905.09646, 2019.
[28] ZHENG Z, WANG P, LIU W, et al. Distance-IoU loss: faster and better learning for bounding box regression[C]//Proceedings of the AAAI Conference on Artificial Intelligence, 2020, 34(7): 12993-13000.
[29] Gevorgyan Z. SIoU loss: More powerful learning for bounding box regression[J]. arXiv preprint arXiv: 2205.12740, 2022.
[30] TONG Z, CHEN Y, XU Z, et al. Wise-IoU: bounding box regression loss with dynamic focusing mechanism[J]. arXiv preprint arXiv: t2301.10051, 2023.
计量
- 文章访问数: 77
- HTML全文浏览量: 8
- PDF下载量: 23
