典型文献
基于空间特征选择的水下目标检测方法
文献摘要：
针对传统目标检测方法在水下识别任务中误检率较高的问题,基于一阶段全卷积检测器(FCOS)引入多尺度特征选择及中心边界特征选择,实现高精度水下目标检测.模型中的自适应加权融合特征金字塔通过设置可学习权重加权融合所有的特征层级,实现多尺度空间特征选择.此外,为了处理检测中分类和回归任务之间的特征耦合问题,并分离不同任务之间的共享特征,设计了基于空间特征解耦的检测头,实现了中心和边界区域的特征选择.实验中,针对水下数据集URPC2018和UWD2021进行性能测试,并与先进的目标检测方法进行对比.大量的实验结果表明,基于空间特征选择的FCOS模型在水下检测任务中展现出优异的性能,在URPC2018和UWD2021上的类平均精度(mean Aver-age Precision,mAP)分别为82.7％和83.3％.
文献关键词：
水下目标检测;一阶段全卷积检测器;水下数据集;特征选择
中图分类号：
作者姓名：
蔡达;范保杰
作者机构：
南京邮电大学自动化学院、人工智能学院,江苏 南京 210023
文献出处：
引用格式：
[1]蔡达;范保杰-.基于空间特征选择的水下目标检测方法)[J].信息与控制,2022(02):214-222
A类：
水下识别,一阶段全卷积检测器,URPC2018,UWD2021
B类：
空间特征,特征选择,水下目标检测,目标检测方法,误检率,FCOS,多尺度特征,边界特征,自适应加权融合,融合特征,特征金字塔,可学,学习权重,重加权,多尺度空间,共享特征,特征解耦,检测头,水下数据集,水下检测,mean,Aver,age,Precision,mAP
AB值：
0.295918
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。
