一种用于声纳图像目标检测的增强型DETR网络

《IEEE Journal of Oceanic Engineering》：An Enhanced DETR Network for Sonar Image Object Detection

PAF-DETR基于Transformer架构提出实时高精度声呐图像检测方法，通过特征信息聚合模块和选择性注意力执行优化，有效解决弱目标、模糊轮廓及实时性挑战，在两个数据集上mAP@0.5分别提升2%和1.3%，推理速度达65FPS。

　　

摘要：

本文提出了一种更精确、更快速的检测Transformer（PAF-DETR），这是一种基于Transformer架构的实时高精度声纳图像目标检测器。该方法充分考虑了实际水下检测任务中遇到的弱目标、模糊轮廓以及实时性要求所带来的挑战。通过比较不同架构的检测器，我们首先分析了实现实时部署所需的条件。为了增强特征表示能力，我们设计了一个特征信息聚合模块，并将其嵌入到检测框架的“颈部”（路径聚合网络）中，从而实现关键多尺度特征的有效融合。此外，为了降低解码器的计算成本，PAF-DETR引入了一种新颖的注意力机制，该机制能够选择性地过滤编码器产生的token，从而在保持检测准确性的同时提高计算效率。这些改进使得PAF-DETR具备了更优越的计算效率和实时性能。实验在两个定制的声纳数据集上进行，结果表明，所提出的PAF-DETR检测器在平均精度（mAP@0.5）方面分别达到了86.7%和95.4%，比基线算法RT-DETR-L高出2%和1.3%。另外，在两块RTX 3080 Ti GPU上进行评估时，PAF-DETR的推理速度约为每秒65帧，略高于对比检测器。