基于改进Mask R-CNN的海参和海星的检测算法

作     者：胡栩榛 严天宏 HU Xuzhen;YAN Tianhong

作者机构：中国计量大学机电工程学院浙江杭州310018 

出 版 物：《中国计量大学学报》 (Journal of China University of Metrology)

年 卷 期：2023年第34卷第1期

页      面：34-43,50页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目(No.2019YFC1408304) 浙江省自然科学基金项目(No.LTGG23E090002) 

主　　题：Swin Transformer网络 Soft-NMS算法 海参和海星检测 海参和海星实例数据集 

摘      要：目的:为了提高水下复杂环境下检测海参和海星等水下目标物的鲁棒性。方法:提出了基于改进Mask R-CNN的海参和海星实例分割算法,该算法以Mask R-CNN结构为主框架,将Swin Transformer主干网络代替Mask R-CNN原本的ResNet卷积神经网络;同时采用Water-Net网络对海参和海星实例数据集进行图像增强;最后采用Soft-NMS的方法替换经典的NMS算法。结果:在本文自己标定的数据集上进行实验,与改进前Mask R-CNN相比,本文算法检测框检测mAP可达到70.6%,提升6.4%;实例分割mAP达到了69.2%,提高了4.7%,并且正确率收敛于97%。结论:与其他主流目标检测算法相比较,本文提出的方法具有更高的检测精度,在水下目标检测任务上更加具有优势。