基于对抗注意力机制的水下遮挡目标检测算法

作     者：罗偲 李凯扬 吴吉花 任鹏 LUO Cai;LI Kaiyang;WU Jihua;REN Peng

作者机构：中国石油大学(华东)海洋与空间信息学院山东青岛266580 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年第50卷第10期

页      面：313-321页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点研发计划(2021YFE0111600) 

主　　题：机器视觉 水下目标检测 对抗样本 损失函数 SE-ResNet50网络 特征融合 

摘      要：水下环境复杂,遮挡目标信息缺失严重而难以提取到足够的特征信息,导致水下遮挡目标易被漏检。为解决该问题,提出一种基于对抗注意力机制的水下目标检测算法。以Faster R-CNN算法为框架,提出基于空间注意力机制的对抗生成遮挡样本网络(AOGN)。AOGN与Faster R-CNN网络相互竞争,通过三阶段训练过程,在不增加推理负担的情况下学习生成检测网络难以正确区分的样本,提高Faster R-CNN网络对水下遮挡目标的检测精度。使用Focal loss增加困难样本的损失比重,解决水下数据集难易样本不平衡的问题。在此基础上,为获得更丰富的水下目标特征信息,使用SE-ResNet50代替VGG16作为骨干网络,通过残差网络和SE模块的结合获得更有效、更丰富的水下目标信息,提高对检测目标的特征提取能力,同时加入多条ROIpooling支路实现多尺度特征融合,增加特征的丰富性。实验结果表明,该算法在URPC数据集和水下垃圾数据集上分别取得了73.76%和86.85%的平均精度均值(mAP),遮挡目标漏检率分别达到2%和7%,相较于其他检测算法能够有效提升检测性能。