Detecção de Alvos Subaquáticos Baseada em Algoritmo YOLOv7 Aprimorado com Estrutura de Pescoço BiFusion e Função de Perda MPDIoU

A detecção de alvos subaquáticos se desenvolveu bastante nos últimos anos. No entanto, a precisão da detecção de alvos subaquáticos é limitada pelo complexo ambiente subaquático. Com base no YOLOv7, propomos um modelo de algoritmo de detecção de objetos subaquáticos para melhorar a precisão e a confiança (módulo BiFusion Neck e uma função de perda MPDIoU). Comparado aos módulos de redes tradicionais, o módulo Bifusion Neck preserva mais características das camadas inferiores ao utilizar a saída da camada de características P2. Além disso, a função de perda foi aprimorada com base na IoU, introduzindo a Distância Mínima entre Pontos. Finalmente, o mecanismo de atenção LSKA é introduzido para aprimorar a extração de características de alvos em diferentes escalas. Os resultados experimentais demonstram que o modelo BFD-YOLO proposto neste estudo alcança uma média de precisão na detecção (mAP50) de 84,8% em um conjunto de dados personalizado, superando o desempenho do algoritmo YOLOv7 em 11,5% e superando outros algoritmos testados. Além disso, o algoritmo BFD-YOLO demonstra um desempenho forte em vários conjuntos de dados e mostra capacidades de generalização superiores.