基于改进YOLOV4的水下目标检测方法

摘要

本发明公开了一种基于改进YOLOV4的水下目标检测方法，包括：1)前期数据处理，包括对原始数据集进行Albumentations数据增强和Retinex数据增强，将处理后的数据集通过k‑means聚类算法对数据集中的边界框进行聚类；2)把聚类结果作为改进YOLOV4的边界框大小，将处理后数据集输入到主干网络模块，通过主干网络模块获取目标的特征信息，将提取的特征信息输入到特征提取模块，特征提取模块进行不同尺度的最大池化和融合操作，特征融合后的信息进行卷积运算，得到不同尺度的特征层输出，最终由预测模块对输出的数据进行信息分析和处理，得出检测结果。本发明具有了深度学习技术的特性，通过训练可以不断优化网络，提高检测能力。