Forschung zur Erkennung kleiner Objekte in komplexen marinen Umgebungen

Mit der Verbesserung der Rechenleistung von Computern entwickelt sich das Deep Learning schnell weiter. Der Einsatz von auf Deep Learning basierenden Algorithmen zur Erkennung schwimmender Objekte in marinen und marinen Rettungseinsätzen kann nicht nur menschliche und materielle Ressourcen sparen, sondern auch die Effizienz verbessern. Angesichts der komplexen marinen Umgebungen ist es jedoch schwierig für bestehende Algorithmen, zufriedenstellende Ergebnisse zu erzielen. In diesem Papier wird die SRB-YOLO-Erkennungsmethode vorgeschlagen, um ein Bildvorverarbeitungsmodul während des Trainingsprozesses hinzuzufügen und die Bilder vor und nach der Vorverarbeitung in das Backbone-Netzwerk für das Training einzugeben, um die Stabilität des Modells zu erhöhen und das Merger-Fusionsnetzwerk des grundlegenden YOLOv5 zu verbessern, was die Erkennungsergebnisse verbessert und die Genauigkeit um sieben Prozentpunkte erhöht.