BiFusion 목구조 및 MPDIoU 손실 함수를 기반으로 한 개선된 YOLOv7 알고리즘을 이용한 수중 목표 탐지

수중 목표 탐지는 최근 몇 년 동안 크게 발전했습니다. 그러나 수중 목표 탐지의 정확도는 복잡한 수중 환경에 의해 제한됩니다. YOLOv7을 기반으로 하여, 우리는 정밀도와 신뢰성을 향상시키기 위한 수중 물체 탐지 알고리즘 모델을 제안합니다(비퓨전 목 모듈 및 MPDIoU 손실 함수). 전통적인 네트워크 모듈에 비해, 비퓨전 목 모듈은 P2 특징 레이어의 출력을 활용하여 하위 층의 더 많은 특징을 보존합니다. 게다가, 손실 함수는 IoU 기반으로 최소 점 거리(Minimum Point Distance)를 도입하여 개선되었습니다. 마지막으로, LSKA 주의 메커니즘이 서로 다른 규모의 목표 특징 추출을 강화하기 위해 도입됩니다. 실험 결과 이 연구에서 제안한 BFD-YOLO 모델은 맞춤형 데이터 세트에서 평균 탐지 정확도(mAP50) 84.8%를 기록하여 YOLOv7 알고리즘의 성능을 11.5% 초과하고, 테스트된 다른 알고리즘보다 우수한 성능을 보입니다. 또한, BFD-YOLO 알고리즘은 다양한 데이터 세트에서 강력한 성능을 보이며 우수한 일반화 능력을 나타냅니다.