基于YOLOv3锚框优化的侧扫声呐图像目标检测

摘要：

利用侧扫声呐图像来探查海底目标对海洋资源开采和海上军事防护都有重大意义.目前人为提取图像特征进行目标检测的传统机器学习方法逐渐被深度学习取代.深度学习技术在降低算法复杂度的同时提高图像目标检测效率,极大地推动了目标检测技术地发展.将深度学习检测算法应用到侧扫声呐图像目标检测领域时,锚框作为目标检测网络中较为重要的先验信息会影响最终的检测性能,考虑到声呐数据集的真实目标框与网络设定的锚框未必贴合的问题,本文在YOLOv3的基础上对锚框进行了优化,给出了一种能够获取有效先验锚框的策略.首先使用K-Means算法对真实目标框进行聚类,获得比较贴合于声呐数据集的锚框,然后设计了一种超参数锚框映射关系对聚类后的锚框进行拉伸变换,这样获得的锚框既包含了声呐数据集的目标框信息,也能利用到YOLOv3的多尺度特性.实验结果表明,所提锚框优化策略能够让YOLOv3网络获得更优的检测性能,适用于侧扫声呐图像的目标检测问题.

关键词：侧扫声呐图像、目标检测、锚框、深度学习

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：中国科学院声学研究所自主部署前沿探索类项目QYTS202013

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2359-2371