基于YOLOv5和FCN-DenseNet水下图像多目标语义分割算法

摘要：

带视觉系统的水下机器人作业离不开对水下目标准确的分割,但水下环境复杂,场景感知精度和识别精度不高等问题会严重影响目标分割算法的性能.针对此问题本文提出了一种综合YOLOv5和FCN-DenseNet的多目标分割算法.本算法以FCN-DenseNet算法为主要分割框架,YOLOv5算法为目标检测框架.采用YOLOv5算法检测出每个种类目标所在位置;然后输入针对不同类别的FCN-DenseNet语义分割网络,实现多分支单目标语义分割,最后融合分割结果实现多目标语义分割.此外,本文在Kaggle竞赛平台上的海底图片数据集上将所提算法与PSPNet算法和FCN-DenseNet算法两种经典的语义分割算法进行了实验对比.结果表明本文所提的多目标图像语义分割算法与PSPNet算法相比,在MIoU和 IoU指标上分别提高了 14.9％和11.6％;与FCN-DenseNet算法在MIoU和IoU指标上分别提高了 8％和7.7％,更适合于水下图像分割.

关键词：YOLOv5、FCN-DenseNet、语义分割、水下场景识别

所属期刊栏目：31

分类号：TP391.41;TP242;TN929.3

资助基金：国家自然科学基金;国家自然科学基金;山东省重点研发计划

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：309-315