葛錫云，張崇丙，李曉偉，李 錦

(1. 中國船舶科學(xué)研究中心 江蘇 無錫 214082；2. 深海技術(shù)科學(xué)太湖實(shí)驗(yàn)室 江蘇 無錫 214082)

0 引 言

水下目標(biāo)檢測在海洋軍事應(yīng)用、水下救援、水產(chǎn)養(yǎng)殖等領(lǐng)域中發(fā)揮著愈加重要的作用[1]。但由于水下環(huán)境復(fù)雜、光線昏暗且模糊多噪聲，水下光學(xué)圖像色域偏移和圖像失真等問題較為嚴(yán)重，這非常不利于檢測網(wǎng)絡(luò)進(jìn)行推理，通用的目標(biāo)檢測方法很難保證在視覺退化的水下環(huán)境中高精度實(shí)時(shí)魯棒地檢測水下多尺度目標(biāo)。此外，水下目標(biāo)檢測算法常搭載水下機(jī)器人一起使用，在嵌入式移植的過程中對(duì)算法的實(shí)時(shí)性提出了更高要求。因此，研究一種檢測水下目標(biāo)的理論和方法，以實(shí)現(xiàn)高精度實(shí)時(shí)檢測，并增強(qiáng)其在復(fù)雜水下環(huán)境中的檢測魯棒性，對(duì)于在視覺退化的水下環(huán)境中，推動(dòng)水下多尺度目標(biāo)的有效識(shí)別及探測具有非常深遠(yuǎn)的影響。

目標(biāo)檢測算法中，對(duì)水下目標(biāo)的檢測研究方法一般可分為傳統(tǒng)的水下目標(biāo)檢測算法和基于深度學(xué)習(xí)的水下目標(biāo)檢測算法兩大類。傳統(tǒng)的水下目標(biāo)檢測算法通常采用人工設(shè)計(jì)的特征提取方法[2-3]提取圖像特征，然后使用支持向量機(jī)[4]（Support Vector Machine，SVM）等分類器實(shí)現(xiàn)目標(biāo)的分類和檢測。Fabic 等[5]設(shè)計(jì)了基于形狀分類的算法，利用斑點(diǎn)計(jì)數(shù)法和形狀分析法對(duì)水下視頻序列中的魚類進(jìn)行分類，雖針對(duì)魚類的檢測精度較高，但其通用性差，無法遷移至其他水下場景。Olivern 等[6]利用黑森檢測器檢測水下目標(biāo)，但當(dāng)水體光照不均勻時(shí)算法的性能會(huì)迅速衰減，難以保證對(duì)于水下目標(biāo)的檢測魯棒性。豐子灝等[7]設(shè)計(jì)了一種水下清晰度評(píng)估算子，并構(gòu)建相應(yīng)的參數(shù)估計(jì)算法以檢測水下圖像中感興趣的區(qū)域。姚潤璐等[8]制定水下圖像各區(qū)域的匹配規(guī)則從而提取關(guān)聯(lián)度更高的水下區(qū)域進(jìn)行目標(biāo)檢測，但其提取過程過于復(fù)雜，不利于大量數(shù)據(jù)的分析。上述傳統(tǒng)水下目標(biāo)算法存在如下問題：首先是特征提取無法進(jìn)行自適應(yīng)提取，且提取的效果高度取決于設(shè)計(jì)者的經(jīng)驗(yàn)水準(zhǔn)；其次是計(jì)算特別復(fù)雜，而且泛化性差，更換其他場景后效果不好。對(duì)比之下，以深度學(xué)習(xí)為基礎(chǔ)的目標(biāo)檢測算法可解決上述問題，也可自適應(yīng)提取特征且檢測速度和精度都較高，在水下目標(biāo)檢測領(lǐng)域有著很大的應(yīng)用前景。基于深度學(xué)習(xí)的軌道入侵異物檢測方法可分為兩階段算法[9-11]和單階段算法[12-16]。其中，兩階段檢測方法分為兩步，先生成候選區(qū)域，再進(jìn)行目標(biāo)定位和檢測。王璐等[17]加深了Faster-RCNN[11]主干特征提取網(wǎng)絡(luò)的深度，并結(jié)合數(shù)據(jù)增強(qiáng)算法旨在提升對(duì)于水下目標(biāo)的檢測精度。高岳等[18]將Faster-RCNN 候選區(qū)中的特征圖進(jìn)行同尺寸映射，并采用柔性非極大值抑制算法降低水下目標(biāo)的漏檢率。上述兩階段算法的檢測精度較高，但其過于復(fù)雜的計(jì)算量導(dǎo)致算法無法滿足在水下環(huán)境中實(shí)時(shí)目標(biāo)的實(shí)際檢測需求。單階段檢測方法將分類問題視為回歸問題，直接對(duì)圖像中的目標(biāo)進(jìn)行預(yù)測。劉騰等[19]對(duì)水下圖像進(jìn)行色彩恢復(fù)后，再使用YOLOv3（You Only Look Once, YOLO）[15]進(jìn)行水下目標(biāo)檢測，雖檢測精度有所提高但其檢測速度較慢，無法滿足實(shí)際應(yīng)用需求。強(qiáng)偉等[20]使用Resnet 和深度可分離卷積對(duì)SSD（Single-Shot MultiBox Detector, SSD）[12]進(jìn)行改進(jìn)，旨在降低計(jì)算量，提升算法的檢測速度，但該算法的檢測精度提升空間較大且在視覺退化等復(fù)雜水下環(huán)境中的檢測魯棒性仍有待驗(yàn)證。劉萍等[21]基于GAN[22]提出一種改進(jìn)YOLOv3 網(wǎng)絡(luò)的海洋生物識(shí)別算法，提升了訓(xùn)練數(shù)據(jù)集所包含場景的豐富性，但過于復(fù)雜的圖像生成手段導(dǎo)致算法的檢測速度偏低，無法實(shí)時(shí)檢測水下目標(biāo)。綜上所述，水下目標(biāo)檢測算法中的重點(diǎn)問題是，實(shí)現(xiàn)高精度實(shí)時(shí)檢測水下目標(biāo)且在復(fù)雜環(huán)境中保持算法的檢測魯棒性。

針對(duì)上述問題，本文對(duì)YOLOv5 進(jìn)行改進(jìn)，得到一種應(yīng)用于水下目標(biāo)的端到端多尺度檢測網(wǎng)絡(luò)(UWNet)，保證了在復(fù)雜的水下環(huán)境中可精準(zhǔn)高效的檢測水下目標(biāo)，可以提高水下目標(biāo)檢測速度和檢測魯棒性，同時(shí)保證算法的實(shí)時(shí)性。該網(wǎng)絡(luò)通過構(gòu)建高精度輕量型特征提取結(jié)構(gòu)（High precision Lightweight Feature Extraction Module, HLM），在降低算法計(jì)算量的同時(shí)獲取更為豐富的特征信息，使用多尺度特征融合網(wǎng)絡(luò)ASFF[23]和注意力增強(qiáng)機(jī)制（Lightweight Channel Attention Mechanism, LSM）實(shí)現(xiàn)不同尺度水下目標(biāo)特征的自適應(yīng)融合及權(quán)值優(yōu)化，通過聚類算法生成更為精準(zhǔn)的錨框?qū)λ履繕?biāo)預(yù)測的精準(zhǔn)度。本文所提出的模型在棉繩、鋼管、浮筒組成的水下數(shù)據(jù)集上的平均檢測精度和檢測速度分別為95.06% 和139FPS，比YOLOv5s 提升了2.87%和14FPS，能夠滿足實(shí)際復(fù)雜水下環(huán)境中高精度實(shí)時(shí)魯棒地檢測水下目標(biāo)的實(shí)際應(yīng)用需求。

1 模型設(shè)計(jì)

1.1 網(wǎng)絡(luò)總體設(shè)計(jì)

本文所提的多尺度目標(biāo)檢測網(wǎng)絡(luò)借鑒了YOLO 系列目標(biāo)檢測算法，僅需一次前向卷積運(yùn)算即可得到目標(biāo)類別和位置的思想，按端到端來訓(xùn)練模型。圖1 為高精度實(shí)時(shí)水下目標(biāo)檢測網(wǎng)絡(luò)模型(UW-Net)的總體結(jié)構(gòu)。首先，輸入圖像通過該網(wǎng)絡(luò)進(jìn)行縮放得到固定分辨率的圖像（如640×640），并使用穩(wěn)定底層特征提取模塊和CSP-Net 構(gòu)建高精度輕量型特征提取結(jié)構(gòu)，采用多分支多感受野特征信息提取和整合等方式，在保證算法實(shí)時(shí)性的同時(shí)提取更為豐富的特征信息；其次，模型的多尺度檢測能力由多特征融合和自適應(yīng)學(xué)習(xí)不同尺度信息的特征權(quán)重來提高；然后，設(shè)計(jì)輕量型通道注意力機(jī)制在基本不增加計(jì)算負(fù)荷的前提下優(yōu)化不同通道的權(quán)值分配，進(jìn)一步提升多尺度目標(biāo)檢測精度。最后，使用K-means[24]聚類針對(duì)水下數(shù)據(jù)集數(shù)據(jù)分布生成最優(yōu)錨框，進(jìn)而提升模型水下目標(biāo)位置預(yù)測的精準(zhǔn)度。

圖1 高精度實(shí)時(shí)水下目標(biāo)檢測網(wǎng)絡(luò)模型(UW-Net)Fig. 1 High precision real-time underwater target detection network model

1.2 高精度輕量型特征提取結(jié)構(gòu)

高精度輕量型特征提取結(jié)構(gòu)由穩(wěn)定底層特征提取模塊（Conv_1+Conv_2）和CSP-Net 特征提取網(wǎng)絡(luò)（Conv_3+Conv_5）構(gòu)成，圖2 為穩(wěn)定底層特征提取模塊的結(jié)構(gòu)示意圖。在視覺退化的水下環(huán)境中，水下目標(biāo)的底層紋理、輪廓等特征對(duì)后續(xù)識(shí)別尤為重要，而卷積核在計(jì)算的過程中，隨著特征圖分辨率的不斷減小，圖像底層特征易被破壞。為了在不丟失特征信息的情況下實(shí)現(xiàn)圖像降采樣，本文設(shè)計(jì)了一個(gè)穩(wěn)定采樣模塊來降低輸入圖像的分辨率并擴(kuò)大特征維度。在Conv_2 中，使用多分支網(wǎng)絡(luò)得到不同感受野的特征提取結(jié)果，通過縮減左分支通道數(shù)使得網(wǎng)絡(luò)更加輕量，使用融合操作對(duì)分支網(wǎng)絡(luò)提取出的特征進(jìn)行合并后到更為豐富的底層特征信息，最后特征整合由1×1 卷積實(shí)現(xiàn)。與傳統(tǒng)的低層特征提取方法相比，該模塊在不增加計(jì)算負(fù)荷的情況下，實(shí)現(xiàn)了穩(wěn)定的降采樣。將該模塊添加到特征提取網(wǎng)絡(luò)的前端，可在不增加額外計(jì)算量甚至降低計(jì)算負(fù)荷的情況下，有效提高模型的底層特征表達(dá)能力。

圖2 穩(wěn)定底層特征提取模塊Fig. 2 Stable feature extraction module for bottom layer

在穩(wěn)定底層特征提取模塊之后，本文設(shè)計(jì)了CSPNet 特征提取網(wǎng)絡(luò)進(jìn)行更為輕量的特征提取，如圖3 所示。以Conv_3 為例，使用2 個(gè)不同的通道對(duì)輸入特征圖進(jìn)行特征提取，上通道采用先對(duì)輸入特征圖降維再使用殘差連接進(jìn)行前向傳播后，使用1×1 卷積整合特征，旨在降低計(jì)算量的同時(shí)提升模型的特征提取能力；下通道直接使用3×3 卷積提取特征，目的是防止與上通道學(xué)習(xí)重復(fù)的梯度信息。最后，先拼接兩通道的特征，然后進(jìn)行下采樣，由步長為2 的3×3 卷積實(shí)現(xiàn)，這樣可以提升模型的特征提取能力且減少計(jì)算量。

圖3 CSP-Net 特征提取網(wǎng)絡(luò)Fig. 3 CSP-Net feature extraction network

1.3 多尺度特征融合網(wǎng)絡(luò)

一般來說，受拍攝距離及拍攝角度的影響，水下場景中的待識(shí)別目標(biāo)在實(shí)際成像中會(huì)不可避免地發(fā)生尺寸大小上的變化，這種變化一般可通過設(shè)計(jì)圖像特征金字塔來解決，進(jìn)而可突破特征融合的限制。據(jù)此，提出一種基于ASFF 融合策略的模型，在特征融合模塊預(yù)測層中加入可以自適應(yīng)感受視野的融合結(jié)構(gòu)。通過學(xué)習(xí)不同感受視野下的分支融合權(quán)重來降低目標(biāo)尺度變化造成的定位分類損失，進(jìn)而增強(qiáng)模型的特征表示能力，提高模型對(duì)于多尺度水下目標(biāo)的檢測精度和檢測魯棒性。圖4 為融合模型結(jié)構(gòu)圖，首先調(diào)整其他層次的特征尺度，然后進(jìn)行特征融合并對(duì)其進(jìn)行訓(xùn)練，獲得融合權(quán)重，進(jìn)而更好地學(xué)習(xí)不同特征尺度對(duì)于預(yù)測特征圖的貢獻(xiàn)，以實(shí)現(xiàn)某一層特征的融合。

圖4 多尺度特征融合網(wǎng)絡(luò)Fig. 4 Multi-scale feature fusion network

在多分支檢測中，不同分支層級(jí)的特征具有不同的分辨率和通道數(shù)。在尺度調(diào)整中，為更好地保留圖像空間信息，采用1×1 卷積進(jìn)行通道數(shù)壓縮，同時(shí)節(jié)省了部分算力；采用插值方法調(diào)整的尺度分辨率，降低網(wǎng)絡(luò)學(xué)習(xí)難度。針對(duì)多倍下采樣，采用卷積和池化的方法。采用3×3 卷積（步長設(shè)置為2）調(diào)整通道數(shù)和分辨率，實(shí)現(xiàn)2 倍下采樣；采用在卷積前添加步長為2 的maxpooling，實(shí)現(xiàn)4 倍下采樣。

對(duì)于模型預(yù)測， ASFF-3 由多個(gè)不同尺度的特征進(jìn)行融合得到，其包含的3 個(gè)尺度特征分別來自于Level 1、Level 2 和Level 3。

假設(shè)來自Level 1 部分的為X1→3，模型學(xué)習(xí)到的權(quán)重為 α3；來自Level 2 部分的為X2→3，模型學(xué)習(xí)到的權(quán)重為 β3；來自Level 3 部分的為X3→3，模型學(xué)習(xí)到的權(quán)重為 γ3。ASFF-3 的特征即由最終的3 個(gè)尺度的特征進(jìn)行融合得到。令表示由第l層得到的第n層的特征圖上(x,y)處的特征向量，在第l層融合特征的方式：

1.4 輕量型通道注意力機(jī)制及自適應(yīng)錨框設(shè)定

受限于水下環(huán)境復(fù)雜多變，網(wǎng)絡(luò)模型極易在進(jìn)行水下光學(xué)圖像特征提取和目標(biāo)框的回歸任務(wù)時(shí)出現(xiàn)性能下降情況，并最終表現(xiàn)為漏檢和錯(cuò)檢。為在保證算法實(shí)時(shí)性的同時(shí)，進(jìn)一步提升算法對(duì)于水下多尺度目標(biāo)的檢測精度，本文設(shè)計(jì)了一種輕量型注意力機(jī)制LAM，如圖5 所示。

圖5 輕量型通道注意力機(jī)制Fig. 5 Lightweight channel attention mechanism

該注意力機(jī)制采用2 個(gè)分支的思路將模型輸入通道進(jìn)行均分，上部分支一的特征提取采用3×3的卷積進(jìn)行，下部分支2 則采用大一些的5×5卷積，從而擴(kuò)大該分支的感受野。為更好地顯示建模通道之間的相互依賴關(guān)系，將不同感受野的特征圖進(jìn)行融合，然后采用自適應(yīng)的方式對(duì)通道的特征響應(yīng)重新標(biāo)定，并對(duì)通道進(jìn)行注意力篩選，達(dá)到提高檢測精度目的的同時(shí)僅增加很少計(jì)算量。LAM 輕量型通道注意力機(jī)制的計(jì)算過程如下：

其中：F∈RC×H×W為輸入特征圖；函數(shù)g表示平均池化操作；s1∈RC×1×1為平均池化后的輸出；W1∈RC/16×C為全連接層FC1的參數(shù)；s2∈RC/16×1×1為經(jīng)過FC1和ReLU函數(shù)處理后的輸出；W2∈RC×C/16為經(jīng)過全連接層FC2的參數(shù)；s3∈RC×1×1表示FC2和H-Sigmoid函數(shù)處理后的輸出。使用H-Sigmoid 旨在避免指數(shù)運(yùn)算過程，加快了模型的檢測速度。

在模型預(yù)測之前，根據(jù)自身數(shù)據(jù)集數(shù)據(jù)分布特點(diǎn)，使用K-means 聚類方法重新生成錨框值。在候選框種類組合的更高吻合度問題上，基于式(7)采用不斷進(jìn)行質(zhì)心迭代的方式進(jìn)行，使候選框?qū)捀呔S度對(duì)于目標(biāo)輪廓形狀所擁有先驗(yàn)信息更有代表性，使回歸計(jì)算中水下目標(biāo)區(qū)域位置預(yù)測精度更高，從而增加模型檢測精度。改進(jìn)后的錨框具體尺寸和分布如表1 所示。

表1 改進(jìn)后錨盒的尺寸Tab. 1 Improved dimensions of anchor box

式中：box為水下目標(biāo)圖像數(shù)據(jù)集中的邊框尺寸樣本；centroid為K-means 聚類算法每一類簇的中心尺寸數(shù)值。

2 實(shí)驗(yàn)結(jié)果和性能分析

為了評(píng)估該目標(biāo)檢測模型的有效性，將平均精度mAP 與檢測幀率FPS 分別作為精度與速度的評(píng)價(jià)指標(biāo)，采用含有棉繩，鋼管和浮筒3 類水下目標(biāo)數(shù)據(jù)集開展實(shí)驗(yàn)，隨后在復(fù)雜水下環(huán)境下完成測試。訓(xùn)練用服務(wù)器使用Intel? CoreTM i7-6950X CPU 處理器，配備4 塊NVIDIA GeForce GTX 1080TI 顯卡，每個(gè)顯卡內(nèi)存為11G?；赨buntu18.04 操作系統(tǒng)的Pytorch1.8.0和Python3.7 深度學(xué)習(xí)框架，使用GPU（GTX1080Ti）對(duì)其進(jìn)行訓(xùn)練與測試。

2.1 數(shù)據(jù)采集

為測試UW-Net 在復(fù)雜水下環(huán)境中對(duì)目標(biāo)性能的檢測能力，構(gòu)建一個(gè)專用數(shù)據(jù)集。數(shù)據(jù)集由從真實(shí)場景中采集得到的視頻及圖像組成，含有不同的光照強(qiáng)度、對(duì)比度不一和視覺退化的畫面。為確保數(shù)據(jù)集數(shù)據(jù)量，利用視頻抽幀方法生成9 955 張水下目標(biāo)圖像，對(duì)棉繩、鋼管、浮筒3 類水下目標(biāo)進(jìn)行標(biāo)注。在實(shí)驗(yàn)階段，使用該數(shù)據(jù)集80% 的圖像用來進(jìn)行訓(xùn)練和驗(yàn)證，20%圖像用于測試。

2.2 實(shí)驗(yàn)結(jié)果分析

使用隨機(jī)梯度下降法，并將學(xué)習(xí)率逐漸減小以優(yōu)化模型，在該模型中，先將初始學(xué)習(xí)率定為0.01，并使學(xué)習(xí)率隨迭代次數(shù)增加而減少，最大迭代次數(shù)300 輪、動(dòng)量參數(shù)0.937、權(quán)重衰減設(shè)置為0.000 5、批量大小32，輸入分辨率640×640 的圖片，非極大值抑制值域0.6，目標(biāo)檢測置信度值域0.45。

為驗(yàn)證UW-Net 在復(fù)雜水下環(huán)境中的檢測效果，證明該模型優(yōu)良的高精度實(shí)時(shí)檢測能力及檢測魯棒性，本文使用所提出方法與SSD、YOLO 系列算法進(jìn)行比較,使用平均精度mAP 和檢測速度FPS 綜合評(píng)估模型的有效性，并突出顯示最優(yōu)結(jié)果，實(shí)驗(yàn)結(jié)果如表2所示。

表2 模型試驗(yàn)結(jié)果對(duì)比Tab. 2 Comparison of model test results

實(shí)驗(yàn)結(jié)果表明，MS-Net 在水下數(shù)據(jù)集上取得了95.06%的檢測精度和139FPS 的檢測速度，實(shí)時(shí)性較好，且對(duì)于水下目標(biāo)各個(gè)類別的檢測精度明顯優(yōu)于其他模型，能夠?qū)崿F(xiàn)在復(fù)雜的實(shí)際水下場景中高精度實(shí)時(shí)魯棒地檢測水下目標(biāo)。SSD 的檢測精度和檢測速度與MS-Net 存在很大差距。YOLOv3-tiny 與YOLOv4-tiny 以檢測精度為代價(jià)，在檢測速度上取得很大優(yōu)勢，但其檢測精度過低，無法保證在實(shí)際復(fù)雜的水下場景中高精度檢測水下目標(biāo)。相比之下，YOLOv3 和YOLOv4 則相反，其檢測精度有所提升，但復(fù)雜的計(jì)算過程導(dǎo)致算法實(shí)時(shí)性較差，無法滿足水下場景的實(shí)時(shí)檢測需求。YOLOv5s 對(duì)檢測速度和精度做出了較好折中，但MS-Net 展現(xiàn)出了更優(yōu)良的水下目標(biāo)檢測性能，其檢測速度和精度分別比YOLOv5s 高2.87% 和14FPS，能夠在復(fù)雜的水下環(huán)境中高精度實(shí)時(shí)魯棒地檢測水下目標(biāo)，更符合實(shí)際水下場景的現(xiàn)場應(yīng)用。

基于同一水下目標(biāo)數(shù)據(jù)集，將上述所有模型進(jìn)行訓(xùn)練與測試，并將本文所提出的方法與不同模型所檢測的對(duì)比結(jié)果如圖6 所示。圖6 中從左至右每一列依次為原始圖像、YOLOv4-tiny 檢測結(jié)果、YOLOv5s 檢測結(jié)果以及本文所提出UW-Net 的檢測結(jié)果。第1 行為單目標(biāo)出現(xiàn)的場景，目標(biāo)所呈現(xiàn)的視覺特征良好，3 類模型都能較為準(zhǔn)確預(yù)測除目標(biāo)的位置及類別，但UW-Net 展現(xiàn)出了更為優(yōu)越的檢測能力，其檢測置信度明顯高于YOLOv4-tiny 和YOLOv5s。第2 行為多目標(biāo)水下場景且存在部分遮擋，YOLOv4-tiny 和YOLOv5s無法檢測出浮筒類目標(biāo)，而UW-Net 能夠識(shí)別所有水下目標(biāo)，在多尺度目標(biāo)檢測和位置回歸方面具有更好優(yōu)勢。第3 行為視覺特征退化的水下光學(xué)圖像，該場景中的目標(biāo)特征紋理較為模糊，YOLOv4-tiny 對(duì)右上方的棉繩漏檢，雖然YOLOv5s 的檢測置信度較YOLOv4-tiny 有所提升，但仍無法有效避免漏檢現(xiàn)象，而UW-Net 可以在視覺退化的水下場景下魯棒地檢測多尺度目標(biāo)，特別是紋理特征較為模糊的水下目標(biāo)。總之，UW-Net 對(duì)于水下目標(biāo)的位置與類別均能實(shí)現(xiàn)高精度檢測，即便是在視覺退化的復(fù)雜水下場景也有較好的檢測效果，能夠滿足高精度實(shí)時(shí)魯棒檢測水下目標(biāo)的實(shí)際應(yīng)用需求。

圖6 不同模型檢測結(jié)果對(duì)比Fig. 6 Comparison of test results of different models

2.3 消融實(shí)驗(yàn)結(jié)果對(duì)比

證明本文提出的各個(gè)結(jié)構(gòu)具有有效性，設(shè)計(jì)幾組消融實(shí)驗(yàn)，采用YOLOv5s 作為基準(zhǔn)測試模型，測量幾種結(jié)構(gòu)的檢測性能，表3 為測量結(jié)果，表中消融實(shí)驗(yàn)的所有模型均使用K-means 均值聚類得出的最優(yōu)錨框。其中， M-Net 分為注意力機(jī)制和多尺度特征融合兩模塊，證明高精度、輕量化特征提取模塊提高了檢測速度；L-Net 分為輕量級(jí)的特征提取和注意力機(jī)制兩模塊，證明多尺度特征融合模塊提高了檢測精度； HNet 分為高精度輕量級(jí)特征提取和多尺度特征融合兩模塊，證明注意力機(jī)制模塊提高了目標(biāo)檢測的精度。

表3 消融實(shí)驗(yàn)Tab. 3 Ablation test

使用本文設(shè)計(jì)的UW-Net 特征提取結(jié)構(gòu)， UWNet 的檢測精度和檢測速度比M-Net 分別提升了1.04%和31FPS。結(jié)果表明，UW-Net 特征提取結(jié)構(gòu)不僅提高了水下環(huán)境多尺度目標(biāo)的檢測精度，而且大幅度提高了檢測速度。然后，將L-Net 中的特征融合模塊替換為本文所設(shè)計(jì)的多尺度融合網(wǎng)絡(luò)，檢測精度對(duì)比L-Net 提升了2.71%。結(jié)果表明，該模塊采用分享權(quán)重的方式自適應(yīng)融合各個(gè)尺度的特征方式大幅度提高了模型的檢測精度，能夠魯棒精準(zhǔn)地檢測水下目標(biāo)。最后，將輕量型通道注意力機(jī)制加入至H-Net，在犧牲極少檢測速度的前提下，使得平均檢測精度0.85%。結(jié)果表明，在基本不增加計(jì)算機(jī)計(jì)算量的條件下，注意力機(jī)制模塊對(duì)于各個(gè)通道的權(quán)值進(jìn)行更合理地分配，使得最需要的特征信息更容易被檢測出來，進(jìn)而提高了檢測精度。

針對(duì)不同的3 種水下目標(biāo)，UW-Net 的檢測效果均優(yōu)于M-Net 與L-Net，不僅能夠?qū)崟r(shí)高精度地檢測不同尺度的水下目標(biāo)，而且提高了模型在復(fù)雜水下環(huán)境下的檢測魯棒性。

2.4 不同場景的魯棒性檢驗(yàn)

為進(jìn)一步驗(yàn)證所提出模型UW-Net 對(duì)于復(fù)雜水下環(huán)境目標(biāo)的檢測魯棒性，選取不同復(fù)雜水下環(huán)境進(jìn)行了實(shí)驗(yàn),檢測結(jié)果如圖7 所示。圖7 （a）水下目標(biāo)紋理特征較弱且視覺退化較為嚴(yán)重，而UW-Net 仍可以很好的檢測出棉繩目標(biāo)且精度較高，在圖7 （b）中光線極差的昏暗水下環(huán)境中也保持著優(yōu)良的目標(biāo)檢測能力，即使在存在噪聲干擾的圖7 （c）中也能魯棒地識(shí)別目標(biāo)。實(shí)驗(yàn)結(jié)果表明，UW-Net 能夠在水下環(huán)境中識(shí)別出目標(biāo)的種類，檢測出目標(biāo)的位置，在有干擾噪聲的復(fù)雜水下環(huán)境中仍具有較高的魯棒性，滿足了實(shí)時(shí)、高精度的現(xiàn)場檢測要求。

圖7 不同復(fù)雜水下場景魯棒性測試Fig. 7 Robustness testing for different complex underwater scenarios

3 結(jié) 語

水下環(huán)境具有復(fù)雜多變、噪聲種類多樣的特點(diǎn)，導(dǎo)致視覺退化嚴(yán)重，針對(duì)水下環(huán)境中的目標(biāo)，現(xiàn)有的水下目標(biāo)檢測算法檢測魯棒性較低，不能實(shí)現(xiàn)實(shí)時(shí)高精度檢測。本文提出一種端到端的輕量型高精度水下目標(biāo)檢測模型，為在復(fù)雜水下環(huán)境中精準(zhǔn)高效地檢測多尺度目標(biāo)提供理論與技術(shù)支撐。在特征提取部分設(shè)計(jì)高精度輕量型特征提取結(jié)構(gòu)，降低模型計(jì)算量的同時(shí)提取更為豐富的特征信息。在特征融合部分和檢測部分，將多尺度特征融合網(wǎng)絡(luò)和輕量型注意力機(jī)制相結(jié)合，并使用K-means 重新生成更具代表性的錨框，實(shí)現(xiàn)了自適應(yīng)融合不同尺度的特征信息及不同通道特征圖的權(quán)值優(yōu)化。在基本不增加計(jì)算負(fù)荷的前提下提升了模型的檢測性能，尤其是在復(fù)雜水下環(huán)境中的多尺度目標(biāo)檢測能力。實(shí)驗(yàn)結(jié)果表明，該網(wǎng)絡(luò)在NVIDIA GTX 1080Ti 實(shí)驗(yàn)平臺(tái)上對(duì)于水下數(shù)據(jù)集實(shí)現(xiàn)了95.06% 的檢測精度和139FPS 的檢測速度，分別比YOLOv5s 高2.87%和14FPS，實(shí)現(xiàn)了對(duì)復(fù)雜水下環(huán)境中的目標(biāo)進(jìn)行實(shí)時(shí)、高精度的檢測，具有廣泛的應(yīng)用前景。