典型文献
基于FAttention-YOLOv5的水下目标检测算法研究
文献摘要：
针对目前现有算法不能很好适用于水下目标检测,同时为提高水下目标检测的实时性和准确性,提出一种基于F-CBAM注意力机制的YOLOv5水下目标检测网络模型FAttention-YOLOv5.模型采用单阶段目标检测网络模型YOLOv5作为基础模型,在模型中嵌入提出的F-CBAM注意力机制,通过在CBAM结构中引用FReLU激活函数,在激活函数阶段通过二维空间捕捉复杂的特征分布情况,实现像素级的空间信息建模能力,提高模型准确率;采用F-CBAM中的通道注意力机制和空间注意力机制提高目标物体的通道权重以及扩大目标对原图的感受野,提高目标检测模型对特征的学习能力;并在FAttention-YOLOv5模型中融合递归网络特征金字塔,通过特征递归使网络充分学习不同尺度的图像特征,从而提高小目标的检测精度;最后对改进模型的损失函数进行优化,避免新模型梯度消失或爆炸.实验结果表明:所设计的水下目标检测模型FAttention-YOLOv5,可以提高模型的特征提取能力,从而有效提高水下目标检测的准确度,为海洋生物捕捉提供新型解决方案和技术辅助.
文献关键词：
F-CBAM;YOLOv5;FAttention-YOLOv5;水下目标检测
中图分类号：
作者姓名：
黄廷辉;高新宇;黄春德;何曰平
作者机构：
桂林电子科技大学计算机与信息安全学院,广西桂林541000;桂林电子科技大学海洋工程学院,广西桂林541000
文献出处：
引用格式：
[1]黄廷辉;高新宇;黄春德;何曰平-.基于FAttention-YOLOv5的水下目标检测算法研究)[J].微电子学与计算机,2022(06):60-68
A类：
FAttention
B类：
YOLOv5,水下目标检测,目标检测算法,算法研究,CBAM,目标检测网络,单阶段目标检测,基础模型,FReLU,激活函数,二维空间,特征分布,现像,像素级,空间信息,信息建模,建模能力,模型准确率,通道注意力机制,空间注意力机制,大目标,原图,感受野,目标检测模型,递归网络,网络特征,特征金字塔,不同尺度,图像特征,高小,小目标,检测精度,改进模型,损失函数,模型梯度,梯度消失,特征提取能力,海洋生物,技术辅助
AB值：
0.318111
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
