改进Cascade RCNN的水下目标检测  

作　　者：林宇 何水原[1] 

机构地区：[1]广州海洋地质调查局海洋技术方法研究所

出　　处：《电子世界》2022年第1期105-108,共4页Electronics World

基　　金：深水重磁勘探拖曳系统研制及海上应用试验,所属项目:深水油气近海底重磁高精度探测关键技术,课题编号:2016YFC0303004。

摘　　要：近年来海洋观测技术快速发展,水下目标检测在军事防御、水下资源勘探、海洋环境保护以及水产养殖、渔业等海洋经济领域发挥了重要作用。在水下目标检测领域,常用检测模型对尺度差异大的目标检测效果较差。针对这个问题,本文提出采用改进Cascade RCNN算法对水下目标进行检测。该算法在深度网络Cascade RCNN的基础上,选用残差神经网络Res Net50作为模型的骨干网络、特征金字塔网络(FPN)作为特征提取方式,并通过随机搜索的方法调整超参数,显著提升了下水下目标检测的精度。

关 键 词：特征提取 神经网络 CASCADE 深度网络 海洋观测技术 海洋环境保护 随机搜索 资源勘探 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]