文献类型：期刊文章

作　　者：成顺[1,2] 李建荣[1] 王志乾[1] 刘绍锦[1] 王牧原[1,2]

Cheng Shun;Li Jianrong;Wang Zhiqian;Liu Shaojin;Wang Muyuan(Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,Jilin,China;Daheng College,University of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]中国科学院长春光学精密机械与物理研究所,吉林长春130033 [2]中国科学院大学大珩学院,北京100049

出　　处：《激光与光电子学进展》

基　　金：吉林省科技发展计划(20210201048GX)。

年　　份：2025

卷　　号：62

期　　号：4

起止页码：392-402

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：针对水下光学目标识别算法识别精度低、计算复杂度高的情况,提出一种自动色彩均衡(ACE)图像增强的轻量化YOLOv8水下光学识别算法。首先,使用ACE图像增强算法对图像进行预处理。其次,用改进的SENetV2骨干网络替换YOLOv8骨干网络,提高网络的特征提取能力,并用轻量级的跨尺度特征融合模块替换颈部网络,降低计算量。然后,用DySample替换传统上采样器,提升图像处理的效率,并在头部改进DyHead检测头,增强模型对目标的感知能力。最后,用基于最小点距离交并比(MPDIoU)的InnerMPDIoU替换YOLOv8的损失函数,提高边界框回归的准确率。实验结果表明,提出的SCDDI-YOLOv8算法在URPC2020数据集和UWG数据集上平均精度均值达到77.3%和71.5%,相比原YOLOv8n算法,所提算法的参数量下降~20.7%、浮点运算量减小6×10^(8)、模型大小减小1.2 MB。与其他先进算法相比,所提算法能满足边缘设备计算资源敏感的需求。

关 键 词：水下光学图像识别  自动色彩均衡图像增强  轻量化YOLOv8  跨尺度特征融合模块  InnerMPDIoU  

分 类 号：TP393]