文章标题：基于深度学习的水下目标识别技术

文章作者：丁元明^1,2, 徐利华^1,2, 侯孟珂^1,2
关 键 字：水下目标识别;Mask R-CNN;深度学习
文章摘要：在水下复杂场景下，目标对象具有姿态不同、遮挡和背景复杂等特点，这对卷积网络的特征提取能力提出巨大挑战。Mask R-CNN 算法在水下目标特征提取过程中也存在特征提取能力欠佳的问题，导致算法在水下目标检测准确性较差。因此，提出一种基于Mask R-CNN的改进水下目标目标识别方法。首先可采用金字塔切分的通道注意力模块PAS代替采用了ResNet50的3×3卷积模块，该模块可通过对每个通道进行金字塔的切分，针对通道切分完成后所得出来的通道特征图上的空间信息来进行不用的尺度特征层提取；同时通过采用另一种更加安全稳定和高效的ECANEt通道注意力模块代替PAS模块中的SENet通道注意力模，对多维度的通道注意力权重进行特征重标定；最后对特征金字塔FPN的网络结构进行改进，加强不同特征层之间的信息融合。根据不同场景下进行的实验对比，改进后的网络能够提高水下目标识别的准确率，平均检测精度可达91.3%。本文所提出的改进Mask R-CNN网络模型，能够适应水下复杂多变的场景，为水下目标的识别提供理论依据与技术方案。