人民黄河

作者：邵晓艳, 王军, 赵雪专, 王胜, 冯军

单位：1.郑州航空工业管理学院 计算机学院,河南 郑州 450046;2.河南大学 计算机与信息工程学院,河南 开封 475004

关键词：卷积神经网络,水面漂浮物,目标检测,注意力,黄河郑州段

基金：国家自然科学基金资助项目(U1904119);河南省科技攻关计划项目(232102210033,232102210054);河南省重点研发专项(231111212000);河南省杰出外籍科学家工作室项目(GZS2022011);航空科学基金资助项目(20230001055002);重庆市自然科学基金资助项目(CSTB2023NSCQ-MSX0070)

针对水面漂浮物感知目标小、易受干扰、识别精度低的问题,提出ATD-CNN目标检测模型。结合注意力机制,将注意力模块嵌入Faster R-CNN改进模型的基本主干网络,计算特征图内部特征点之间的长距离相关系数,对显著性特征进行有效增强,以提升基本主干网络对图像特征的提取能力。基于河南省郑州市惠济区南裹头黄河沿岸采集的图像数据,对ATD-CNN模型检测效果进行验证,并将该模型性能与Faster R-CNN改进模型、YOLOv5单阶段目标检测模型进行对比。结果表明:与Faster R-CNN改进模型相比,ATD-CNN模型对水面漂浮物的漏检率下降,其mAP值提升了6.80%,F1 Score平均值提升了2%。与YOLOv5X、Faster R-CNN改进模型相比,ATD-CNN模型的mAP值分别提升了2.91%、6.80%,有效提高了水面漂浮物检测精度。

来源：2025年第2期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第2期