DOI:10.11991/yykj.202302003网络出版地址：https://link.cnki.net/urlid/23.1191.U.20231129.1742.002基于改进Deformable-DETR的水下图像目标检测方法崔颖，韩佳成，高山，陈立伟哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001摘要：针对由于水下复杂环境造成的目标检测效果较差、检测精度较低的问题，基于Deformable-DETR算法提出一种改进的水下目标检测算法Deformable-DETR-DA。使用空间注意力模块结合标准Transformer块设计了一个用于增加模型深度的深度特征金字塔（deepfeaturepyramidnetworks，DFPN）模块，将其嵌入到模型中提高模型对深层纹理信息的提取能力。使用注意力引导的方式对原模型中编码器部分进行改进，加强了对特征信息的聚合能力，提高了模型在复杂环境下的检测能力。针对URPC数据集，模型各交并比尺度的平均准确度（averageprecision，AP）为39.5%，相比原模型提升1%，与一些DETR（detectiontransformer）类的模型相比，不同目标尺度的平均准确度均有1%~4%左右的提高，表明改进的模型能够很好解决复杂环境的水下目标检测的问题。本文提出的模型可作为其他水下目标检测模型设计的参考。关键词：水下光学图像；Deformable-DETR；目标检测；Transformer；注意力机制；深度学习；图像处理；残差网络中图分类号：TP391文献标志码：A文章编号：1009−671X(2024)01−0030−08AnobjectdetectionmethodofunderwaterimagebasedonimprovedDeformable-DETRCUIYing,HANJiacheng,GAOShan,CHENLiweiCollegeofInformationandCommunicationEngineering,HarbinEngineeringUniversity,Harbin150001,ChinaAbstract:Aimingattheproblemofpoorobjectdetectioneffectandlowdetectionaccuracycausedbycomplexunderwaterenvironments,animprovedunderwatertargetdetectionalgorithmDeformable-DETR-DAisproposedbasedontheDeformable-DETRalgorithm.UsingthespatialattentionmoduleandthestandardTransformerblock,aDFPNblockisdesignedtoincreasethedepthofmodel,andtheDFPNblockisembeddedintothemodeltoimprovetheabilityofthemodeltoextractthedeeptextureinformation.Theencoderpartoftheoriginalmodelisimprovedbyusingattentionguidance,whichstrengthenstheaggregationabilityoffeatureinformationandimprovesthedetectionabilityofthemodelinacomplexenvironment.FortheURPCdataset,theaverageprecision(AP)ofeachintersectionoverunio...
