文章详情
| 稿件标题： | 基于改进YOLOv5s的鱼雷检测算法 |
| 稿件作者： | 崔陈1，甘文洋1，朱大奇1,2 |
| DOI： | 10.11809/bqzbgcxb2024.01.005 |
| 科学编辑： | 杨继森 博士（ 重庆理工大学 教授） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 鱼雷检测；YOLOv5s；深度学习；可分离视觉变换器；注意力机制；双向特征金字塔网络 |
| 文章摘要： | 针对目前深海鱼雷检测中存在检测精度低和检测速度慢的问题，提出了一种基于改进YOLOv5s的鱼雷检测算法。使用可分离视觉变换器（SepViT）模块来替换主干层网络最后一层中的C3模块，增强骨干网络与全局信息的联系以及鱼雷特征的提取，降低漏检率和误检率。在YOLOv5s网络模型的主干层网络中引入ECA注意力机制，提高复杂的深海环境下检测模型对于鱼雷深层次关键特征的提取能力，同时避免了降维，以有效的方式捕捉跨通道的交互信息，以此来提高鱼雷检测模型的检测精度。将网络模型颈部层中的路径聚合网络(PANet)替换为双向特征金字塔网络(BiFPN)，采用跨尺度连接去除路径聚合网络(PANet)中对特征融合贡献较小的节点，实现多尺度特征的快速融合，提高鱼雷检测模型的检测效率。实验结果表明：改进的YOLOv5s鱼雷检测算法的均值平均精度(mAP)达到了97.0%，较原来的YOLOv5s算法提高了3.7%，检测速度达83 FPS，有效地提高了深海鱼雷检测的精度和速度。 |
| 稿件基金： | 国家自然科学基金项目(62033009,52101362)；国家重点研发计划资助项目(2021YFC2801300) |
| 引用本文格式： | 崔陈，甘文洋，朱大奇.基于改进YOLOv5s的鱼雷检测算法［J］.兵器装备工程学报，2024，45(1)：35-41，79. CUI Chen, GAN Wenyang, ZHU Daqi.Torpedo detection algorithm based on improved YOLOv5s［J］.Journal of Ordnance Equipment Engineering，2024，45(1)：35-41，79. |
| 刊期名称： | 2024年01期 |
| 出版时间： | 2024年1月 |
| 收稿日期： | 2023年4月19日 |
| 修回日期： | 2023年8月12日 |
| 录用日期： | 2023年9月13日 |
| 上线时间： | 2024年1月28日 |
| 浏览次数： | 1704 |
| 下载次数： | 106 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |