基于卷积神经网络的彩色图像声呐目标检测

摘要

随着人工智能和声呐成像技术的日益发展,利用卷积神经网络算法对声呐图像水下目标进行自动检测逐渐成为水声探测领域的重要研究方向之一。在公开数据集中,声呐的成像数据集比较稀少,于是采用本实验室开发的专利产品TKIS-I头盔式彩色图像声呐作为数据采集工具。为了保证检测的效果,采用了2018年在目标检测领域最佳效果的YOLOv3网络,并且通过目标预测框维度聚类、不同分辨率数据预训练网络、多尺度训练、多尺度预测与细微粒度特征结合等方法改进YOLOv3网络,使其能更好地进行声呐图像目标检测。除此之外,对声呐图像的预处理加入双线性插值算法,使得圆扫声呐对目标的表现更加清晰,易于检测,为以后水下机器人自动目标检测奠定基础。