一种用于海洋场景中的YOLO-OC实时小型物体检测方法

《Computer Vision and Image Understanding》:A YOLO-OC real-time small object detection in ocean scenes

【字体: 大 中 小 】 时间:2026年01月08日 来源:Computer Vision and Image Understanding 3.5

编辑推荐:

  水下复杂场景小物体实时检测方法研究。提出基于YOLOv5的YOLO-OC检测框架,通过超小尺度特征层、多分支特征增强、视觉Transformer桥接、CSP-PCSPF模块融合及动态激活函数优化特征提取,采用改进MEIoU损失函数约束边界框角度和尺寸,结合轻量化参数重整提升推理速度,在CURPC数据集上达到86.6% mAP@0.5精度和5.1ms实时检测能力。

  
张阳|秦涛|周一敏
中国科学院深圳先进技术研究院,中国广东省深圳市

摘要

海洋场景通常复杂多变,微小或远距离物体的信噪比较低,且容易受到水下背景和光照条件的干扰,这使得通用物体检测方法难以直接应用于海洋场景。为了解决这些问题,本文提出了一种基于YOLOv5的YOLO-OCEAN方法。在模型骨干网络和颈部结构中加入了超小尺度特征层、多分支特征增强机制(结合跨尺度融合)、视觉变换器桥接、CSP连接的SPPF模块以及动态激活函数,以提高检测性能。此外,还采用了更高效的交并比回归损失函数来优化检测头结构。通过对模型进行重新参数化和轻量化处理,进一步提升了检测速度。与其他物体检测基线模型相比,该方法在COCO数据集上的mAP@0.5达到了86.6%,推理时间仅为5.1毫秒,证明了其在高精度下实现实时检测小型物体的能力。

引言

海洋场景中的物体检测对于海洋调查、资源管理和可持续利用至关重要。然而,水下物体检测具有很大挑战性,需要实现对水下物体的分类、识别和定位(Zhao等人,2021年)。正如Yuan等人(2022年)所指出的,水下物体检测面临的挑战包括图像模糊、纹理失真、光照不均匀等问题,同时由于光线吸收或折射以及对比度低,水下物体缺乏明显的特征表示,物体边界也容易变形。尽管通用物体检测算法在陆地环境中的检测性能表现优异,但在水下物体检测任务中,严重的光衰减和散射效应会导致图像质量下降。
水下环境的不确定性——表现为光线吸收、散射和浑浊——进一步导致信号传播不规则和背景干扰,从而通过基于光学的图像处理方法(Li等人,2021年;Li等人,2020年)造成视觉质量下降。因此,许多研究集中在颜色和纹理等低级图像特征上以提升视觉质量(Li等人,2021年;Li等人,2020年)。然而,水下图像增强和颜色恢复对物体检测任务的提升效果有限(Xu等人,2023年;Fu等人,2023年)。深度学习在医学成像(Shin,2024年)和其他具有挑战性的视觉领域(Li等人,2025年)展现了强大的跨领域性能,这激发了将其应用于水下检测的兴趣,尤其是在背景干扰明显且物体尺度多样的情况下(Ding等人,2023年)。
目前基于深度学习的检测算法通常分为两类(Xu等人,2023年;Zou等人,2023年)。一类是两阶段检测器(Ren等人,2015年),它首先生成候选区域,然后对这些区域进行分类和回归。这类检测器具有较高的检测精度,但检测速度较慢。另一种是一阶段检测器(Redmon等人,2016年),它直接确定物体的类别和位置,检测精度稍低但速度较快。Sw-YOLOX(Ding等人,2023年)在YOLOX框架基础上进行了改进,加入了注意力机制和空洞空间金字塔池化(SPP)模块以捕获全局特征,并通过SimOTA策略和多模型集成提升了检测性能,该模型在自建的水下数据集上得到了验证。Hu等人(2021年)通过修改特征金字塔网络(FPN)和路径聚合网络(PAN)的连接,提出了改进的YOLOv4网络,用于水产养殖饲料颗粒识别。骨干网络中的残差连接通过DenseNet进行了优化,以进一步提升在水产养殖环境中的检测性能。
现有的水下物体检测方法通常会对图像进行数据增强处理,但对小物体和不同尺度物体的问题关注较少。小物体通常指的是捕捉到的图像或视频中相对较小的目标,这些目标往往没有明显的纹理或形状特征,因此难以与背景区分并提取有用特征(Chen等人,2020b)。Zhang等人(2020年)提出了一种端到端的多任务生成对抗网络(MTGAN),可以从模糊的物体图像中恢复详细信息,从而在COCO数据集上将检测精度提高了约3%。Deng等人(2021年)提出了扩展的特征金字塔网络(EFPN),用于小物体识别,并设计了平衡损失函数以减轻前景和背景区域之间的不平衡问题,在小型交通标志数据集上表现良好。Qin等人(2022年)提出了DSDE-NET检测网络,通过高斯滤波提高特征图的分辨率,以弥补特征提取过程中小物体信息的损失。
关于水下场景中小物体检测和多尺度特征表示方法也有大量研究成果。Zhao等人(2021年)提出了FishNet,用复合骨干网络(CBResNet)替代ResNet,以减少水下鱼类检测中的环境干扰。Pan等人(2022年)提出了基于上下文整合和双重精细注意力交互模块的多尺度特征表示和交互网络。Wei等人(2021年)在YOLOv3网络基础上引入了挤压和激励(SE)模块,以增强特征的语义信息并扩大检测范围,从而提高对小型水下物体的检测性能。
由于背景干扰、小物体的存在以及复杂海洋场景中的多尺度问题,有效检测水下物体颇具挑战性。此外,检测精度与检测速度之间往往存在权衡,难以开发出同时具备高精度、高速度和低计算负担的模型。
为了解决水下物体检测的挑战,本文提出了一种基于YOLO的检测方法,用于实际海洋场景中的水下物体检测。通过添加特征增强层(CFF)和快速连接分支来补偿下采样过程中的信息损失,重新定义了带有角度约束的MEIoU回归损失函数以处理重叠或模糊的背景,并通过重新参数化(REpBlock)加速检测速度,以实现实时检测。
本文的主要贡献总结如下:
  • (1)
    提出了一种实时检测小型物体的方法YOLO-OC(YOLO-OCEAN),在海洋场景中实现高精度检测。该方法在骨干网络中使用了超小尺度特征层(USFL)、多分支特征增强(MFE)、视觉变换器(ViT)和动态激活函数,并在颈部结构中引入了多尺度特征提取和融合机制,以提高对小物体的检测能力。
  • (2)
    设计了考虑边界框宽度和高度值的损失函数,并对角度进行了限制,以提高物体定位的准确性并加快训练收敛速度。
  • (3)
    对模型进行了重新参数化,从而在不降低检测精度的前提下显著提升了检测速度。
  • (4)
    在2022年CURPC数据集上进行了广泛实验,验证了所提出的YOLO-OC方法的准确性。
本文的其余部分安排如下:第2节详细描述了所提出的物体检测方法,第3节介绍了实验和结果分析,第4节给出了结论。

部分内容摘录

所提出的YOLO-OC方法

提出了一种YOLO-OC检测算法,以实现复杂水下背景中小物体的高精度检测。以YOLOv5作为基线模型,后续应用了超小尺度特征层(USFL)、多分支特征增强(MFE)、视觉变换器(ViT)、跨尺度连接特征增强融合(CFF)、跨阶段部分连接空间金字塔池化快速(CSPCSPPF)等模块以及动态激活函数,使模型中重要的前景正样本具有更高的权重,从而提高了检测效果。

实验设置和数据集准备

本文的实验在配备Ubuntu 18.04操作系统的服务器上进行,该服务器支持多用户同时使用,运行内存(RAM)为256 GB,GPU包括一块Nvidia GeForce RTX 3090和两块Nvidia GeForce RTX 3090 Ti,总显示内存为24 × 3 = 72 GB。实验的软件环境配置包括Nvidia驱动程序版本515.48.07、CUDA版本11.7、Pytorch版本1.11.0+cu113以及OpenCV-Python。

结论

本文提出了一种实时检测小型物体的模型YOLO-OC,通过应用超小尺度特征层(USFL)、多分支特征增强(MFE)、视觉变换器(ViT)、CSPCSPPF、动态激活函数和MEIoU回归损失函数,解决了小物体检测中特征表示不足和海洋背景干扰的问题。通过重新参数化骨干网络,实现了轻量化的结构设计。最后,通过多种消融实验和对比实验验证了所提出方法YOLO-OC的有效性。

作者贡献声明

张阳:撰写初稿、方法论设计、概念构建。秦涛:验证工作、软件开发、数据整理。周一敏:撰写修订稿、监督工作、项目管理、方法论制定、资金获取、概念构建。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本研究部分得到了国家重点研发计划(2023YFC3321600)的支持,以及深圳市科技创新委员会项目资助(JCYJ20220818101206015和SGDX20220530111001006)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号