改進(jìn)YOLOv7的輕量化水下目標(biāo)檢測(cè)算法

辛世澳，葛海波，袁 昊，楊雨迪，姚 洋

西安郵電大學(xué) 電子工程學(xué)院，西安 710121

海洋是地球上最大的資源庫(kù)，由于土地資源的過(guò)度開(kāi)發(fā)和水下設(shè)備的快速發(fā)展，海洋勘探日益頻繁[1]。為了支持這些勘探工作，要求相關(guān)水下設(shè)備必須執(zhí)行各種水下任務(wù)，如目標(biāo)定位、生物特征識(shí)別、考古等。在此背景下，水下目標(biāo)檢測(cè)技術(shù)發(fā)揮著至關(guān)重要的作用。然而，惡劣的海洋環(huán)境對(duì)人類(lèi)并不友好，由于水下環(huán)境與陸地環(huán)境有很大的不同，水下目標(biāo)檢測(cè)面臨著挑戰(zhàn)。

現(xiàn)階段水下目標(biāo)檢測(cè)主要面臨兩大挑戰(zhàn)。首先，水下環(huán)境十分復(fù)雜，由于不同波長(zhǎng)的光在水中的差異衰減以及浮游生物和水中懸浮顆粒對(duì)光的散射作用，使水下目標(biāo)變得模糊，嚴(yán)重影響了目標(biāo)的特征，給水下目標(biāo)的特征提取帶來(lái)了障礙。此外，水下目標(biāo)通常附著在泥、沙和珊瑚礁上，互相遮擋，很難與背景區(qū)分開(kāi)來(lái)，導(dǎo)致檢測(cè)精度受到影響。其次，水下嵌入式設(shè)備的存儲(chǔ)和計(jì)算能力有限，使得大型檢測(cè)網(wǎng)絡(luò)在水下環(huán)境中失效，人們正在積極追求配備高效、準(zhǔn)確的目標(biāo)檢測(cè)算法的水下設(shè)備[2]。

近年來(lái)，由于深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域取得了巨大成功，基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的目標(biāo)檢測(cè)技術(shù)開(kāi)始廣泛應(yīng)用于水下生物探測(cè)?；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)方法可以分為兩階段算法和單階段算法[3]。在兩階段目標(biāo)檢測(cè)算法中，首先識(shí)別含有目標(biāo)的候選區(qū)域，隨后用于對(duì)目標(biāo)進(jìn)行分類(lèi)和定位，代表算法有Fast RCNN（fast region-based CNN）[4]和Faster R-CNN（faster region-based CNN）[5]。盡管兩階段目標(biāo)檢測(cè)算法具有相對(duì)較高的檢測(cè)精度，但對(duì)于水下目標(biāo)檢測(cè)來(lái)說(shuō)相當(dāng)耗時(shí)，不適合實(shí)時(shí)檢測(cè)任務(wù)。與兩階段目標(biāo)檢測(cè)方法相比，單階段算法沒(méi)有區(qū)域建議網(wǎng)絡(luò)，而是直接在輸入圖像上生成相應(yīng)的預(yù)測(cè)框來(lái)檢測(cè)目標(biāo)，該類(lèi)別中的代表性算法包括SSD（single shot multibox detector）[6]和YOLO（you only look once）[7]算法家族。因?yàn)橹苯宇A(yù)測(cè)分類(lèi)和定位，所以單階段目標(biāo)檢測(cè)算法消耗較少，適用于實(shí)時(shí)檢測(cè)任務(wù)。目前，由于水下硬件設(shè)備的限制，水下目標(biāo)檢測(cè)任務(wù)大多仍以單階段目標(biāo)檢測(cè)算法為主。

在以往基于深度學(xué)習(xí)的水下目標(biāo)檢測(cè)研究中，大多數(shù)研究主要集中在利用大型網(wǎng)絡(luò)來(lái)提高檢測(cè)精度，導(dǎo)致模型參數(shù)量多，檢測(cè)速度慢。Zhang 等人[8]使用Mobile-Netv3作為YOLOv4的骨干特征提取網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)蝦的檢測(cè)和計(jì)數(shù)。Chen等人[9]使用Conv2Former作為YOLOv7網(wǎng)絡(luò)的Neck組件，使網(wǎng)絡(luò)能夠獲得更有價(jià)值的特征，并有效地融合它們，結(jié)果表明，該算法可以提高檢測(cè)精度，在模糊和顏色偏差的情況下也表現(xiàn)出很好的魯棒性。Li等人[10]通過(guò)在YOLOv5的Neck結(jié)構(gòu)中嵌入三重注意機(jī)制提高了特征提取能力，并優(yōu)化了檢測(cè)頭以捕獲小尺寸物體。文獻(xiàn)[11]提出一種改進(jìn)YOLOv3-SPP的水下目標(biāo)檢測(cè)算法，增加了特征圖層，引進(jìn)了CIoU邊框回歸損失，解決了水下目標(biāo)容易漏檢、誤檢以及檢測(cè)精度低一系列問(wèn)題。盡管這些方案取得了一些成功，但它們沒(méi)有考慮模型的可移植性，也不支持快速檢測(cè)。海洋環(huán)境下目標(biāo)檢測(cè)技術(shù)的應(yīng)用需要更好的實(shí)時(shí)性和輕量化性能，因此，研究一種檢測(cè)精度高、模型尺寸小的輕量化水下目標(biāo)檢測(cè)算法極有必要。

基于上述背景，本文選擇YOLO系列中的YOLOv7[12]模型進(jìn)行改進(jìn)，提出了YOLOv7-SDBB 網(wǎng)絡(luò)模型，旨在提供一種精度與速度兼顧的多尺度輕量化水下目標(biāo)檢測(cè)方法，在實(shí)現(xiàn)模型輕量化的同時(shí)保證檢測(cè)精度，促進(jìn)水下目標(biāo)檢測(cè)算法的可移植性。本文的主要工作如下：

（1）采用ShuffleNetv2[13]網(wǎng)絡(luò)的思想改進(jìn)YOLOv7的骨干網(wǎng)絡(luò)，大幅降低YOLOv7 模型參數(shù)量和計(jì)算量，獲得更快的檢測(cè)速度。

（2）將ELAN 和MPConv 模塊中的標(biāo)準(zhǔn)卷積（CBS）替換為深度可分離卷積（DSC）[14]，有效減少模型的參數(shù)量，實(shí)現(xiàn)YOLOv7的進(jìn)一步輕量化。

（3）為了實(shí)現(xiàn)更好的特征融合，解決水下目標(biāo)的漏檢誤檢問(wèn)題，采用BiFPN[15]（bidirectional feature pyramid network）網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行多尺度特征融合，可以有效地處理不同分辨率的圖像，以較小的成本融合和增強(qiáng)不同尺度的特征，提高網(wǎng)絡(luò)對(duì)模糊水下圖像的整體檢測(cè)性能，同時(shí)緩解因模型參數(shù)量減少而造成檢測(cè)精度下降。

（4）針對(duì)采用BiFPN改進(jìn)特征融合層引起的目標(biāo)細(xì)節(jié)特征丟失的問(wèn)題，將BiFormer動(dòng)態(tài)注意力機(jī)制[16]嵌入到改進(jìn)網(wǎng)絡(luò)的Neck 層，以較少的計(jì)算量捕獲更多的特征，更好地保留細(xì)節(jié)信息，有效地提高了模型對(duì)水下模糊目標(biāo)和小目標(biāo)的檢測(cè)精度。

1 相關(guān)工作

1.1 YOLOv7模型

YOLOv7 是一種目前較先進(jìn)的目標(biāo)檢測(cè)模型，于2022 年提出，它集成了結(jié)構(gòu)重參數(shù)化[17]、正負(fù)樣本分配策略和帶有輔助頭部的訓(xùn)練方法[18]，實(shí)現(xiàn)了檢測(cè)效率和精度之間的良好平衡。YOLOv7網(wǎng)絡(luò)由輸入（Input）、骨干網(wǎng)絡(luò)（Backbone）、頸部網(wǎng)絡(luò)（Neck）和頭部網(wǎng)絡(luò)（Head）四個(gè)不同的模塊組成，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

YOLOv7 的輸入端采用自適應(yīng)圖像放縮和混合數(shù)據(jù)增強(qiáng)技術(shù)，并利用YOLOv5建立的自適應(yīng)錨框計(jì)算方法，保證輸入的各種圖像縮放到統(tǒng)一大小，從而滿足骨干網(wǎng)絡(luò)對(duì)輸入大小的要求。

骨干網(wǎng)絡(luò)主要用于圖像的特征提取，由CBS、ELAN和MPConv三部分組成。CBS模塊由卷積、批歸一化和SiLU激活函數(shù)組成，用來(lái)提取特征。ELAN模塊是一種高效的網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)引導(dǎo)不同的特征組計(jì)算塊學(xué)習(xí)更多樣化的特征，保留了原有的梯度路徑，增強(qiáng)了網(wǎng)絡(luò)的學(xué)習(xí)能力。MPConv 模塊是由MaxPool 和CBS 組成的兩個(gè)分支結(jié)構(gòu)，MaxPool 提取局部區(qū)域的最大值信息，CBS 提取局部區(qū)域的所有值信息，最后通過(guò)拼接操作融合從兩個(gè)分支提取的特征，提高了網(wǎng)絡(luò)的特征提取能力。

圖像通過(guò)骨干網(wǎng)絡(luò)進(jìn)行特征提取，然后進(jìn)入頸部進(jìn)行特征融合。YOLOv7的頸部引入了SPPCPC空間金字塔池化模塊，該模塊擴(kuò)展了感受野，實(shí)現(xiàn)了多尺度特征融合。此外，YOLOv5 使用的PAFPN（path aggregation feature pyramid network）結(jié)構(gòu)在YOLOv7 中仍然被沿用，PAFPN架構(gòu)通過(guò)將自下而上的特征提取與自上而下的特征融合相結(jié)合，提高了不同尺度上的目標(biāo)識(shí)別能力。Neck層的ELAN-H模塊是骨干網(wǎng)絡(luò)中使用的ELAN模塊的擴(kuò)展，在ELAN模塊的一個(gè)分支結(jié)構(gòu)中添加了兩個(gè)輸出，用于以后的級(jí)聯(lián)。

YOLOv7 的Head 層采用Rep 結(jié)構(gòu)調(diào)整頸部網(wǎng)絡(luò)輸出特征的圖像通道數(shù)，然后應(yīng)用1×1 卷積對(duì)置信度、類(lèi)別和錨框進(jìn)行預(yù)測(cè)。Rep 結(jié)構(gòu)的靈感來(lái)自RepVGG[17]，引入了重新參數(shù)化卷積結(jié)構(gòu)的思想，允許模型的結(jié)構(gòu)在訓(xùn)練和推理過(guò)程中發(fā)生變化。

1.2 輕量級(jí)網(wǎng)絡(luò)

近年來(lái)，CNN 在計(jì)算機(jī)視覺(jué)任務(wù)中表現(xiàn)出廣闊的前景，被廣泛應(yīng)用于各種場(chǎng)景中。然而，由于存儲(chǔ)空間和計(jì)算能力的限制，神經(jīng)網(wǎng)絡(luò)模型在移動(dòng)和嵌入式設(shè)備上的應(yīng)用仍然是一個(gè)巨大的挑戰(zhàn)。在單圖像超分辨率（single image super-resolution，SISR）任務(wù)研究中，Bian等人[19]提出了一種輕量有效的多通道聚合網(wǎng)絡(luò)（MCAN），豐富了多尺度特征，大大降低了網(wǎng)絡(luò)參數(shù)，緩解了模型在實(shí)際應(yīng)用的部署困難問(wèn)題。在目標(biāo)檢測(cè)任務(wù)中，通過(guò)網(wǎng)絡(luò)剪枝、蒸餾等操作[20]為移動(dòng)設(shè)備的部署提供了可行方案。以減少模型參數(shù)數(shù)量和計(jì)算復(fù)雜度為目標(biāo)，同時(shí)保持精度的輕量級(jí)網(wǎng)絡(luò)已成為水下目標(biāo)檢測(cè)領(lǐng)域的研究熱點(diǎn)。針對(duì)目標(biāo)檢測(cè)任務(wù)，研究輕量級(jí)網(wǎng)絡(luò)在一定程度上具有較大的實(shí)用價(jià)值。

1.3 注意力機(jī)制

注意力機(jī)制（attention mechanism）[21]是一種在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理等領(lǐng)域中被廣泛應(yīng)用的技術(shù)，它模擬了人類(lèi)的注意力機(jī)制，使網(wǎng)絡(luò)能夠有選擇地關(guān)注輸入中最重要或最相關(guān)的信息。在目標(biāo)追蹤任務(wù)中，Zhang等人[22]構(gòu)建了一種新穎的通道和空間注意力引導(dǎo)的跟蹤殘差學(xué)習(xí)框架（CSART），利用自注意機(jī)制改進(jìn)特征表示，實(shí)現(xiàn)了高性能追蹤。在目標(biāo)檢測(cè)任務(wù)中，由于Swin Transformer的巨大成功，稀疏注意力機(jī)制在目標(biāo)檢測(cè)領(lǐng)域得到了普及[23]。稀疏注意力是一種注意力機(jī)制的變種，它通過(guò)引入局部窗口和位置編碼機(jī)制，限制了每個(gè)位置的注意力范圍，大大減少了計(jì)算量，在圖像識(shí)別、目標(biāo)檢測(cè)和分割等復(fù)雜任務(wù)上具有更好的可擴(kuò)展性。

2 改進(jìn)YOLOv7的水下目標(biāo)檢測(cè)算法

盡管YOLOv7是一種先進(jìn)的目標(biāo)檢測(cè)方法，而且在大多數(shù)應(yīng)用場(chǎng)景下已被證明是非常成功的，但是將其直接應(yīng)用在實(shí)際水下探測(cè)中仍需要考慮兩個(gè)問(wèn)題：首先，水下環(huán)境復(fù)雜，干擾物體多，水下目標(biāo)的漏檢和誤檢情況經(jīng)常發(fā)生；其次，由于水下環(huán)境的特殊性，往往需要復(fù)雜的算法模型來(lái)實(shí)現(xiàn)高精度目標(biāo)檢測(cè)，算法參數(shù)量大、計(jì)算復(fù)雜度高，難以部署在水下移動(dòng)設(shè)備上。針對(duì)上述問(wèn)題，本文基于YOLOv7對(duì)骨干網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)進(jìn)行了重新設(shè)計(jì)，提出了能夠保持檢測(cè)精度和檢測(cè)速度均衡的網(wǎng)絡(luò)結(jié)構(gòu)，改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 改進(jìn)的YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Improved YOLOv7 network structure

2.1 基于ShuffleNetv2的骨干網(wǎng)絡(luò)改進(jìn)

在YOLOv7 中，骨干網(wǎng)絡(luò)是基于CSPDarknet53 架構(gòu)的，這是一種雙分支結(jié)構(gòu)，共包含50 層卷積層，具有較強(qiáng)的特征提取能力，但參數(shù)量較多，嚴(yán)重影響了檢測(cè)速度。本文使用ShuffleNetv2 改進(jìn)YOLOv7 的骨干網(wǎng)絡(luò)，降低模型參數(shù)量和計(jì)算量，來(lái)獲得更優(yōu)的速度和更低的延遲。具體而言，將骨干網(wǎng)絡(luò)中的CBS 模塊用ShuffleNetv2 模塊替換，與傳統(tǒng)的CBS 模塊相比，ShuffleNetv2 模塊通過(guò)逐通道組卷積和通道混洗操作，將計(jì)算復(fù)雜度轉(zhuǎn)移到廉價(jià)的操作上，在一定程度上減少了計(jì)算資源的需求，特別適合于在資源受限的設(shè)備上運(yùn)行。

ShuffleNetv2是一種適用于移動(dòng)終端的輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)，核心思想是將輸入特征圖在通道維度進(jìn)行劃分，并使得不同分塊之間可以進(jìn)行信息交流，在速度和準(zhǔn)確性之間具有良好的平衡。圖3顯示了ShuffleNetv2的基本單元。當(dāng)步長(zhǎng)為1 時(shí)，ShuffleNetv2 進(jìn)行通道分割操作，將輸入特征圖劃分為兩個(gè)分支，左分支不進(jìn)行任何處理，右分支包含兩個(gè)普通卷積和一個(gè)深度可分離卷積（DWConv）。這兩個(gè)分支進(jìn)行Concat操作以融合特征，之后，網(wǎng)絡(luò)使用通道混洗來(lái)重新組織拼接的輸出，以確保上述兩個(gè)分支之間的信息交換。當(dāng)步長(zhǎng)為2 時(shí)，ShuffleNetv2 同樣將特征圖輸入劃分為兩個(gè)分支，兩個(gè)分支都使用DWConv來(lái)減少特征圖的高度和寬度，從而減少網(wǎng)絡(luò)的FLOPs。在輸出兩個(gè)分支之后，執(zhí)行Concat操作以增加網(wǎng)絡(luò)寬度，進(jìn)行通道混洗以實(shí)現(xiàn)不同信道之間的信息交換。

圖3 ShuffleNetv2基本單元Fig.3 Basic unit of ShuffleNetv2

2.2 ELAN和MPConv改進(jìn)模塊

采用ShuffleNetv2 改進(jìn)骨干網(wǎng)絡(luò)后，YOLOv7 模型的參數(shù)量仍然很多，參數(shù)主要集中在1×1和3×3標(biāo)準(zhǔn)卷積上。標(biāo)準(zhǔn)卷積網(wǎng)絡(luò)計(jì)算使用權(quán)重矩陣來(lái)實(shí)現(xiàn)空間維度特征和信道維度特征的聯(lián)合映射，代價(jià)是計(jì)算復(fù)雜度高、內(nèi)存開(kāi)銷(xiāo)大、權(quán)重系數(shù)多。為了進(jìn)一步降低模型的參數(shù)量，提高模型檢測(cè)效率，設(shè)計(jì)了D-ELAN、D-ELAN-H和D-MPConv 模塊，將ELAN 和MPConv 中的標(biāo)準(zhǔn)卷積替換為深度可分離卷積，使網(wǎng)絡(luò)在保證原有信息傳遞的情況下，減少一定的浮點(diǎn)運(yùn)算量及模型參數(shù)，如圖4所示。

圖4 D-ELAN模塊、D-ELAN-H模塊和D-MPConv模塊Fig.4 D-ELAN module，D-ELAN-H module and D-MPConv module

深度可分離卷積是一種卷積神經(jīng)網(wǎng)絡(luò)中常用的卷積操作，將傳統(tǒng)的卷積操作分解為兩個(gè)步驟，首先進(jìn)行深度卷積，然后進(jìn)行逐點(diǎn)卷積，這個(gè)分解過(guò)程可以大幅度減少參數(shù)的數(shù)量。假設(shè)輸入特征圖尺寸為DK×DK，卷積核尺寸為DF×DF，M為輸入通道數(shù)，N為輸出通道數(shù)。對(duì)于標(biāo)準(zhǔn)卷積，參數(shù)計(jì)算量為：

對(duì)于深度可分離卷積而言，計(jì)算分成兩個(gè)過(guò)程，參數(shù)計(jì)算量為：

DSC模塊的計(jì)算量與標(biāo)準(zhǔn)卷積計(jì)算量的比率為：

從公式（3）看出，DSC 模塊的計(jì)算量低于標(biāo)準(zhǔn)卷積的計(jì)算量。因此，利用深度可分卷積重建ELAN 和MPConv 模塊，可以有效降低模型參數(shù)量，提升模型推理速度。

2.3 基于BiFPN的特征融合網(wǎng)絡(luò)

改進(jìn)后的YOLOv7 模型的參數(shù)量和計(jì)算量大幅度下降，能夠有效及實(shí)時(shí)地檢測(cè)目標(biāo)物體，但不可避免會(huì)損失一定的精度。同時(shí)，水下設(shè)備在運(yùn)動(dòng)過(guò)程中，檢測(cè)物體的大小實(shí)時(shí)變化，背景干擾較多，存在大量不同尺度的物體需要進(jìn)行檢測(cè)，這使得它們?nèi)菀妆贿z漏和錯(cuò)誤檢測(cè)。YOLOv7的頸部由特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)PANet[24]組成，旨在融合輸入的不同尺度特征。盡管PANet在特征融合過(guò)程中平等對(duì)待不同尺度的輸入特征，但實(shí)際上，不同尺度輸入對(duì)最終輸出的貢獻(xiàn)是不同的，由于水下多尺度目標(biāo)較多，導(dǎo)致原始模型檢測(cè)精度較低?；诖?，為了實(shí)現(xiàn)更高水平的特征融合，加強(qiáng)多尺度目標(biāo)特征的融合和傳遞，引入加權(quán)雙向特征金字塔結(jié)構(gòu)（BiFPN）改進(jìn)原來(lái)的特征融合網(wǎng)絡(luò)。改進(jìn)后網(wǎng)絡(luò)的融合可以適應(yīng)不同的輸入特征，挖掘水下目標(biāo)的深層信息，減少因水下環(huán)境復(fù)雜造成的漏檢和誤檢，提高模型的檢測(cè)精度。

與PANet相比，BiFPN網(wǎng)絡(luò)在處理路徑中加強(qiáng)了更高層次的特征融合，將每個(gè)雙向路徑（自上而下和自下而上）處理為一個(gè)特征網(wǎng)絡(luò)層，并在同一層中多次重復(fù)這一過(guò)程。此外，由于不同的輸入特征具有不同的分辨率，BiFPN 引入了訓(xùn)練權(quán)重，將額外的權(quán)重添加到每個(gè)輸入，以調(diào)整不同輸入對(duì)輸出特征圖的貢獻(xiàn)，實(shí)現(xiàn)特征層的深度融合[25]。同時(shí)，BiFPN在同一層中的原始輸入和輸出節(jié)點(diǎn)之間添加了一個(gè)額外的特征分支，這不會(huì)過(guò)多地增加計(jì)算成本，并且還可以允許集成更多的特征。BiFPN 和PANet 的網(wǎng)絡(luò)結(jié)構(gòu)如圖5 所示，在BiFPN 結(jié)構(gòu)圖中，圖中的P3～P7 代表了不同級(jí)別的融合特征，藍(lán)色部分是自上而下的路徑，傳達(dá)語(yǔ)義高級(jí)特征的信息；紅色部分是自下而上的路徑，傳達(dá)低級(jí)特征的位置信息；紫色部分是輸入點(diǎn)和輸出點(diǎn)位于同一層時(shí)的附加路徑，以融合更多功能。

圖5 PANet結(jié)構(gòu)和BiFPN結(jié)構(gòu)Fig.5 PANet structure and BiFPN structure

BiFPN的基本思想是添加了跨尺度連接，在犧牲小幅檢測(cè)速度的前提下使模型能夠更好地對(duì)不同大小的特征進(jìn)行融合。本文借鑒BiFPN的思想，在特征融合部分添加了1 條跨尺度連接線，實(shí)現(xiàn)了跨層連接，提升了模型的檢測(cè)性能。

2.4 融合BiFormer注意力機(jī)制

BiFPN的引入通過(guò)改善特征融合來(lái)提高檢測(cè)精度，但在實(shí)踐中，特征融合不是完美的，融合后的特征會(huì)丟失一些重要的細(xì)節(jié)信息，影響檢測(cè)精度[26]。注意力機(jī)制的引入可以有效改善這一問(wèn)題，注意力機(jī)制通過(guò)計(jì)算特征之間的相似性或相關(guān)性，并給予不同特征適當(dāng)?shù)臋?quán)重，使改進(jìn)后網(wǎng)絡(luò)保留具有關(guān)鍵信息的特征。同時(shí)，注意力機(jī)制與特征融合網(wǎng)絡(luò)的融合也可以改善水下生物由于容易堆積，互相遮擋而造成的漏檢和誤檢。本文選擇將BiFormer注意力機(jī)制添加到改進(jìn)的特征融合部分，該注意力機(jī)制根據(jù)輸入圖像的特征自適應(yīng)地調(diào)整注意力權(quán)重，從而可以給予不同位置或特征不同級(jí)別的注意力，以引導(dǎo)網(wǎng)絡(luò)在不同尺度上更多地關(guān)注與水下目標(biāo)相關(guān)的特征信息，同時(shí)保持了輕量級(jí)，不會(huì)給模型帶來(lái)顯著的計(jì)算負(fù)擔(dān)。

BiFormer 是Transforme[27]模型的一個(gè)變體，它在原始Transformer 模型中引入了動(dòng)態(tài)注意機(jī)制，通過(guò)雙層路由實(shí)現(xiàn)更靈活的內(nèi)容感知計(jì)算分配，使模型具有動(dòng)態(tài)查詢感知的稀疏性。BiFormer 動(dòng)態(tài)注意機(jī)制的結(jié)構(gòu)圖如圖6所示，BiFormer的過(guò)程可以分為三個(gè)步驟：首先，輸入一個(gè)特征圖，將其劃分為幾個(gè)區(qū)域，通過(guò)線性映射獲得查詢、鍵和值張量。其次，利用鄰接矩陣構(gòu)造有向圖，找到對(duì)應(yīng)的參與關(guān)系不同的鍵值對(duì)。最后，使用從一個(gè)區(qū)域到另一個(gè)區(qū)域的路由索引矩陣，應(yīng)用細(xì)粒度的令牌到令牌關(guān)注。BiFormer 動(dòng)態(tài)注意力機(jī)制通過(guò)在第一個(gè)k相關(guān)窗口中收集鍵值對(duì)并使用稀疏性操作直接跳過(guò)最不相關(guān)區(qū)域的計(jì)算來(lái)節(jié)省參數(shù)和計(jì)算，由于該模塊基于稀疏采樣而非下采樣，它可以更好地保留細(xì)粒度的細(xì)節(jié)[16]。

圖6 BiFormer模塊Fig.6 BiFormer module

在采用BiFPN 改進(jìn)的網(wǎng)絡(luò)中，體型相似、互相遮擋的水下生物的信息部分丟失，影響了特征信息融合，從而導(dǎo)致部分目標(biāo)被遺漏。通過(guò)添加BiFormer 動(dòng)態(tài)注意機(jī)制，減弱了背景干擾，在保持高效檢測(cè)前提下，捕獲更多的特征，提高了檢測(cè)精度。

Q、K、V是為了在粗糙區(qū)域級(jí)別上獲得最相關(guān)的鍵值對(duì)，以便只保留一小部分路由區(qū)域，然后在這些路由區(qū)域的聯(lián)合中應(yīng)用細(xì)粒度令牌對(duì)令牌關(guān)注（Kg，Vg）。

其中，Kg、Vg為收集到的鍵值張量，Ir表示第i行包含第i個(gè)區(qū)域的前K個(gè)最相關(guān)區(qū)域的索引，K表示在前K個(gè)相關(guān)窗口中收集鍵值對(duì)。

3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

3.1 實(shí)驗(yàn)細(xì)節(jié)

3.1.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

硬件環(huán)境采用RTX 3090 顯卡，8 GB 顯存，處理器為Intel?Core?i9-12700KF@3.61 GHz。軟件環(huán)境為Windows 11 操作系統(tǒng)，開(kāi)發(fā)環(huán)境為PyTorch 1.12.0，CUDA 11.6，Python 版本為3.9.0。訓(xùn)練時(shí)采用SGD 優(yōu)化器對(duì)模型進(jìn)行優(yōu)化，動(dòng)量設(shè)置為0.937，迭代批次為16，初始學(xué)習(xí)率設(shè)為0.01，權(quán)重衰減設(shè)為0.000 5，輸入圖像分辨率為640×640，共訓(xùn)練300個(gè)周期。

3.1.2 數(shù)據(jù)集

實(shí)驗(yàn)數(shù)據(jù)集為2020 年全國(guó)水下機(jī)器人專業(yè)比賽（URPC）數(shù)據(jù)集，包含四種不同海洋生物的水下光學(xué)圖像，如圖7所示，分別是海參“holothurian”、扇貝“scallop”、海膽“echinus”和海星“starfish”。在數(shù)據(jù)集中有較少的海草樣本，為避免訓(xùn)練數(shù)據(jù)可能不足以捕捉到該類(lèi)別的多樣性和復(fù)雜性從而影響檢測(cè)精度的情況，本文對(duì)數(shù)據(jù)集進(jìn)行處理，將海草相關(guān)樣本從數(shù)據(jù)集中剔除，僅保留6 450張有效圖像。所有樣本圖像按照PASAL VOC2007樣本集的格式進(jìn)行處理和存儲(chǔ)，為了保持?jǐn)?shù)據(jù)分布的一致性，將數(shù)據(jù)集隨機(jī)分為訓(xùn)練集和測(cè)試集，比例為7∶3。訓(xùn)練集包含4 515張圖像，測(cè)試集包含1 935張圖像。

圖7 URPC2020數(shù)據(jù)集Fig.7 URPC2020 dataset

3.1.3 模型評(píng)價(jià)指標(biāo)

本文從檢測(cè)精度和精測(cè)速度兩方面出發(fā)使用精確率（precision，P）、召回率（recall，R）、平均精度（average precision，AP）、平均精度均值（mean average precision，mAP）、幀率（FPS）、浮點(diǎn)運(yùn)算次數(shù)（GFLOPs）和參數(shù)量（params）七個(gè)指標(biāo)來(lái)準(zhǔn)確客觀地評(píng)價(jià)模型的性能。mAP表示所有類(lèi)別的平均AP，其值越大表示模型越好，識(shí)別目標(biāo)的精度越高，計(jì)算公式如式（6）所示。AP 是PR曲線下面積的標(biāo)量表示，線下面積越大，表示識(shí)別精度越好，計(jì)算公式如式（7）所示。精確率和召回率評(píng)價(jià)指標(biāo)公式如式（8）、（9）所示。

其中，TP表示模型正確預(yù)測(cè)的正樣本數(shù)，F(xiàn)P表示模型預(yù)測(cè)的實(shí)際上是負(fù)樣本的正樣本數(shù)。FN表示模型預(yù)測(cè)的陽(yáng)性樣本數(shù)為負(fù)。r表示該類(lèi)的召回率，c表示所有類(lèi)的數(shù)量，AP(i)表示第i類(lèi)的平均精度。

FPS表示模型每秒處理的幀數(shù)，反映了模型推理的速度，該值越大，說(shuō)明模型的推理速度越快，模型性能越好。FLOPs是浮點(diǎn)運(yùn)算量，衡量模型的復(fù)雜度。Params是模型中參數(shù)的總和，用于評(píng)估模型的大小。

3.2 實(shí)驗(yàn)結(jié)果分析

3.2.1 實(shí)驗(yàn)結(jié)果

為驗(yàn)證本文改進(jìn)算法的有效性，保證各項(xiàng)參數(shù)指標(biāo)不變的情況下，在URPC2020 數(shù)據(jù)集上分別對(duì)原YOLOv7算法和改進(jìn)后算法進(jìn)行訓(xùn)練，以顯示改進(jìn)算法的性能，訓(xùn)練結(jié)果分別如圖8所示。

圖8 改進(jìn)前后模型訓(xùn)練結(jié)果對(duì)比Fig.8 Comparison of training results before and after algorithm improvement

經(jīng)圖8中數(shù)據(jù)比較可以看出，改進(jìn)后的YOLOv7算法對(duì)各個(gè)目標(biāo)類(lèi)別的檢測(cè)效率都有所提高，mAP 值由83.2%提高到85.9%，提升2.7 個(gè)百分點(diǎn)。其中海參AP值從74.9%升至77.9%，提升3 個(gè)百分點(diǎn)；海膽AP 值從90.8%增長(zhǎng)到91.8%，提升1 個(gè)百分點(diǎn)；扇貝AP 值從78.5%增長(zhǎng)到84.0%，提升5.5個(gè)百分點(diǎn)；海星AP值提升至89.9%，增長(zhǎng)了1.3個(gè)百分點(diǎn)。

引入混淆矩陣來(lái)評(píng)估模型的檢測(cè)情況，混淆矩陣的每一列表示每個(gè)類(lèi)別的預(yù)測(cè)比例，每一行表示各自類(lèi)別在數(shù)據(jù)中的真實(shí)比例，如圖9所示。對(duì)圖9進(jìn)行分析，四類(lèi)目標(biāo)都得到了正確的預(yù)測(cè)，預(yù)測(cè)類(lèi)別“海參”“海膽”“扇貝”和“海星”的準(zhǔn)確率分別為78%、92%、81%和88%，表明該模型具有較高的檢測(cè)準(zhǔn)確率。

圖9 YOLOv7-SDBB混淆矩陣Fig.9 Confusion matrix of YOLOv7-SDBB

為了進(jìn)一步驗(yàn)證YOLOv7-SDBB 模型在水下目標(biāo)檢測(cè)中的性能，選取FPS、FLOPs 和Params 指標(biāo)比較YOLOv7 和改進(jìn)模型，結(jié)果如表1 所示。由表1 可知，YOLOv7算法的FPS值為65.9，參數(shù)量為3.65×107，點(diǎn)運(yùn)算量為105.1 GFLOPs，說(shuō)明YOLOv7 算法對(duì)多類(lèi)別水下目標(biāo)檢測(cè)參數(shù)量和計(jì)算量保持較好，但檢測(cè)速度有待提高；相較于YOLOv7 算法，改進(jìn)模型參數(shù)量和計(jì)算量得到了優(yōu)化，分別減少了2.03×107和41.7 GFLOPs，F(xiàn)PS值提升至100.9，推理速度顯著提升。以上可以得出，改進(jìn)后算法對(duì)于水下目標(biāo)檢測(cè)具有更為可觀的檢測(cè)效率，保證了精度與速度的有效平衡，是一種不錯(cuò)的輕量網(wǎng)絡(luò)設(shè)計(jì)方案，在邊緣終端設(shè)備部署上有較高應(yīng)用價(jià)值。

表1 檢測(cè)速度對(duì)比Table 1 Comparison of detection speeds

3.2.2 融合注意力機(jī)制比較

為了進(jìn)一步探究注意力機(jī)制改進(jìn)的有效性，對(duì)添加的注意力機(jī)制進(jìn)行消融實(shí)驗(yàn)，包括BiFormer、SE[28]、ECA[29]、CA[30]、CBAM[31]和ACMix注意力機(jī)制[32]，對(duì)比分析不同注意力機(jī)制給模型檢測(cè)效果帶來(lái)的影響，訓(xùn)練過(guò)程中采用相同參數(shù)，在URPC2020 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果如表2所示。

表2 注意力機(jī)制消融實(shí)驗(yàn)結(jié)果Table 2 Results of attention mechanism ablation experiments

SE 是一種典型的通道注意力機(jī)制的實(shí)現(xiàn)方法，它專注于獲得輸入特征層在通道上的增強(qiáng)權(quán)重，而忽略了目標(biāo)空間位置的權(quán)重信息。ECA 也是通道注意力機(jī)制的一種實(shí)現(xiàn)形式，通過(guò)獲得跨通道信息來(lái)獲得每個(gè)特征層的增強(qiáng)權(quán)重。盡管它具有更好的跨通道信息，但忽略了目標(biāo)的空間信息。CA注意力機(jī)制將位置信息嵌入到通道注意力中，將通道注意力分解為兩個(gè)特征編碼過(guò)程，分別對(duì)兩個(gè)空間方向的特征進(jìn)行聚合，得到融合通道信息和空間信息的權(quán)重。CBAM 結(jié)合了信道注意機(jī)制和空間注意機(jī)制，分別處理信道權(quán)重和空間權(quán)重，既關(guān)注信道信息，又關(guān)注空間信息。ACmix注意力模塊由卷積注意力和自注意力兩個(gè)模塊并行構(gòu)建，兩個(gè)分支的輸出在合并之后，全局特征與局部特征得到了平衡的考慮，增強(qiáng)了網(wǎng)絡(luò)對(duì)微小目標(biāo)的識(shí)別能力。

實(shí)驗(yàn)數(shù)據(jù)表明，與YOLOv7 相比，分別添加SE、ECA 和CA 注意力機(jī)制的模型檢測(cè)準(zhǔn)確率下降了4.7、0.6 和0.3 個(gè)百分點(diǎn)，模型的參數(shù)量小幅增加，檢測(cè)速度也有下降，表明這三種注意力機(jī)制在該數(shù)據(jù)集上表現(xiàn)較差。YOLOv7-BF為引入BiFPN后的網(wǎng)絡(luò)，與之相比，在YOLOv7-BF 上添加CBAM 和ACMix 注意力機(jī)制的模型準(zhǔn)確率分別提高了0.2和0.4個(gè)百分點(diǎn)，但檢測(cè)速度下降過(guò)多，模型計(jì)算量與參數(shù)量顯著增加。相較于原始模型，添加Biformer 注意力機(jī)制的模型mAP 值提升了1.2個(gè)百分點(diǎn)，檢測(cè)精度明顯提升，同時(shí)模型計(jì)算量下降了5.9 GFLOPs。模型參數(shù)量增加了4.0×106，但對(duì)模型整體復(fù)雜度幾乎無(wú)影響。在YOLOv7-BF 的Neck 層融入BiFormer，檢測(cè)精度比添加CBAM 和ACMix 注意力的模型提升更多，參數(shù)量和計(jì)算量也遠(yuǎn)小于二者，更能滿足應(yīng)水下移動(dòng)設(shè)備對(duì)輕量化的要求。這表明BiFormer注意力機(jī)制在一定程度上壓縮了模型的計(jì)算量，同時(shí)使網(wǎng)絡(luò)更好地提取目標(biāo)區(qū)域的細(xì)節(jié)特征，解決了BiFPN造成的細(xì)節(jié)特征丟失和水下目標(biāo)的誤檢漏檢問(wèn)題，提升了檢測(cè)精度。總之，BiFormer的嵌入不僅可以提升模型的檢測(cè)速度，實(shí)現(xiàn)較輕量的模型，也可以有效提升模型的檢測(cè)精度。

3.2.3 消融實(shí)驗(yàn)

為了評(píng)估改進(jìn)模塊的具體性能，使用YOLOv7作為基準(zhǔn)模型，在URPC2020數(shù)據(jù)集上通過(guò)添加不同的模塊來(lái)驗(yàn)證模型的性能，為了公平比較，環(huán)境及參數(shù)設(shè)置均保持統(tǒng)一。實(shí)驗(yàn)結(jié)果如表3所示。

表3 消融實(shí)驗(yàn)結(jié)果對(duì)比Table 3 Comparison of ablation experimental results

Exp.1為原始YOLOv7算法的實(shí)驗(yàn)結(jié)果，作為后9組實(shí)驗(yàn)的對(duì)比基準(zhǔn)，檢測(cè)精度為83.2%，F(xiàn)PS為65.9，參數(shù)量為3.65×107，GFLOPs 為105.1。Exp.2 使用ShuffleNetv2模塊替換主干中的CBS模塊后，模型參數(shù)、GFLOPs和檢測(cè)mAP 值分別降低了1.2×107、17.6 和0.8 個(gè)百分點(diǎn)，檢測(cè)速度增加了11.7。說(shuō)明ShuffleNet v2網(wǎng)絡(luò)的引入，可以減少一定的參數(shù)量和計(jì)算量，提升檢測(cè)速度，但犧牲了一部分精度。Exp.3 將網(wǎng)絡(luò)中的ELAN、ELAN-H 和MPconv 替換為D-ELAN、D-ELAN-H、D-MPConv，由于引入了深度可分離卷積，計(jì)算量為原模型的72.02%，模型參數(shù)量?jī)H為原模型的61.3%，均大幅度下降。同時(shí)，由于參數(shù)量和計(jì)算量的下降，推理速度也有一定提高，F(xiàn)PS提升了25.2。對(duì)比Exp.1和Exp.4的數(shù)據(jù)，模型的平均檢測(cè)精度提高了1.9 個(gè)百分點(diǎn)，表明用加權(quán)雙向特征金字塔網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)的特征融合層，可以在不同的層級(jí)上融合多尺度的特征信息，從而更好地捕捉目標(biāo)在不同尺度上的表現(xiàn)，減少誤檢漏檢，使模型的整體性能更加優(yōu)越。Exp.5在Neck層引入了BiFormer注意力機(jī)制，允許更靈活地計(jì)算分配，以較少的計(jì)算量捕獲更多的特征，檢測(cè)速度小幅提升；檢測(cè)精度提高了1.2 個(gè)百分點(diǎn)，改進(jìn)的網(wǎng)絡(luò)可以更早地關(guān)注圖像中的水下生物信息，過(guò)濾掉背景信息，使生成的特征圖信息更加豐富，提高了模型的表示能力。Exp.6 在同時(shí)引入DSC 和Shuffle-Netv2模塊后，在模型參數(shù)量、計(jì)算量和檢測(cè)速度方面均表現(xiàn)最佳，但平均精度均值會(huì)有下降，僅為82.2%。Exp.7在使用BiFPN改進(jìn)的Neck層嵌入BiFormer模塊，通過(guò)兩者的共同作用，模型更加關(guān)注檢測(cè)目標(biāo)的特征信息，減少細(xì)節(jié)信息丟失，最大限度利用特征信息，使模型的整體精度顯著提高，相比原模型增長(zhǎng)了2.5 個(gè)百分點(diǎn)。Exp.10 為本文改進(jìn)算法，相比于Exp.8 和Exp.9 的數(shù)據(jù)，將四個(gè)模塊融合在一個(gè)網(wǎng)絡(luò)后，參數(shù)量和計(jì)算量雖小幅增加但檢測(cè)精度提升至85.9%。與YOLOv7 相比，F(xiàn)PS升至100.9且模型的參數(shù)量和計(jì)算量顯著減少，表明雖然通過(guò)引入深度可分離卷積和ShuffleNetv2網(wǎng)絡(luò)提高檢測(cè)速度會(huì)導(dǎo)致檢測(cè)精度下降，但是通過(guò)BiFPN和BiFormer注意力機(jī)制改進(jìn)特征融合部分，可以將檢測(cè)精度恢復(fù)至改進(jìn)前甚至進(jìn)一步提高。綜上所述，本文提出的YOLOv7-SDBB 網(wǎng)絡(luò)，在提升平均檢測(cè)精度的同時(shí)，提高了模型計(jì)算速度，減少耗時(shí)，提高了檢測(cè)實(shí)時(shí)性，有效地平衡了精度和輕量化，為部署在水下終端設(shè)備提供了可行性。

3.3 不同模型性能對(duì)比

YOLO-SDBB 算法在復(fù)雜的水下場(chǎng)景中具有良好的檢測(cè)能力和更快的檢測(cè)速度，為了進(jìn)一步驗(yàn)證提出模型的性能，將本文算法與Faster-RCNN、SSD、YOLOv5s[33]、FCOS[34]、YOLOX[35]、Underwater-YCC[9]等幾種水下目標(biāo)檢測(cè)主流算法進(jìn)行對(duì)比，在同一數(shù)據(jù)集上，采用相同的訓(xùn)練方法進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，對(duì)比結(jié)果如表4所示。

表4 不同目標(biāo)檢測(cè)算法結(jié)果Table 4 Results of different target detection algorithms

從表4 可以看出，SSD、Faster-RCNN 的檢測(cè)精度相對(duì)較低，這是因?yàn)镾SD在檢測(cè)過(guò)程中需要在多個(gè)尺度上單獨(dú)預(yù)測(cè)物體的位置和類(lèi)別，這可能導(dǎo)致一些目標(biāo)被遺漏或錯(cuò)誤分類(lèi)，而在Faster RCNN 中，候選框的尺度受到限制，很難檢測(cè)具有不同尺度和長(zhǎng)寬比的目標(biāo)。與單階段的全卷積、無(wú)錨框檢測(cè)器FCOS 相比較，YOLOv7-SDBB 的平均檢測(cè)精度高出13.5 個(gè)百分點(diǎn)，F(xiàn)PS 提升至100.9，具有良好的精度與效率。YOLOv5s 和YOLOv7-tiny是工業(yè)上應(yīng)用最廣泛的單階段目標(biāo)檢測(cè)算法，和二者相比，雖然YOLOv7-SDBB模型的參數(shù)量和計(jì)算量都較高，但是100.9的檢測(cè)速度仍能滿足實(shí)時(shí)檢測(cè)的要求，同時(shí)模型檢測(cè)的準(zhǔn)確率遠(yuǎn)高于二者。同樣的，與取消錨框的輕量級(jí)模型YOLOX 相比，YOLOv7-SDBB 的mAP值提高了6.7 個(gè)百分點(diǎn)，雖然模型參數(shù)量和計(jì)算量增加了，但保證了不錯(cuò)的檢測(cè)速度，取得了檢測(cè)精度和檢測(cè)速度之間的平衡。此外，本文改進(jìn)的算法在檢測(cè)速度和檢測(cè)精度方面均優(yōu)于原始網(wǎng)絡(luò)YOLOv7。文獻(xiàn)[11]和Underwater-YCC[9]算法目前在水下目標(biāo)檢測(cè)場(chǎng)景表現(xiàn)出較大優(yōu)勢(shì)，檢測(cè)精度較高但檢測(cè)速度過(guò)低，實(shí)時(shí)性太差，不適合部署在水下設(shè)備。本文算法檢測(cè)速度遠(yuǎn)高于二者且檢測(cè)精度也有小幅提升，體現(xiàn)了本算法具有更好的性能，展現(xiàn)了在水下目標(biāo)檢測(cè)的優(yōu)勢(shì)。

為了更好地觀察和比較YOLOv7-SDBB 算法的檢測(cè)效果，選取了部分測(cè)試集圖像進(jìn)行測(cè)試，各算法檢測(cè)結(jié)果如圖10 所示，圖中用紅框標(biāo)記了一部分漏檢誤檢和檢測(cè)精度較低目標(biāo)物體。從檢測(cè)效果來(lái)看，在圖像模糊和目標(biāo)過(guò)多的情況下，文獻(xiàn)[11]算法的檢測(cè)效果明顯優(yōu)于前7 種算法，與Underwater-YCC 的檢測(cè)效果相當(dāng)，但檢測(cè)到的目標(biāo)準(zhǔn)確率普遍低于Underwater-YCC，也存在目標(biāo)誤判和漏檢的情況。然而，當(dāng)環(huán)境過(guò)于復(fù)雜時(shí)，Underwater-YCC 算法仍然存在錯(cuò)誤檢測(cè)和遺漏檢測(cè)的問(wèn)題，其中一些目標(biāo)被Underwater-YCC 算法認(rèn)為是背景，因?yàn)樗鼈兊哪繕?biāo)特征不明顯，也有目標(biāo)相互遮擋的情況。然而，本文算法在這種情況下對(duì)目標(biāo)具有更好的識(shí)別效果，對(duì)遮擋物體具有更好的檢測(cè)能力，這是因?yàn)锽iFormer 動(dòng)態(tài)注意力機(jī)制和加權(quán)雙向特征金字塔網(wǎng)絡(luò)BiFPN的融合減少了特征融合過(guò)程中的信息損失，在一定程度上解決了水下場(chǎng)景中目標(biāo)重疊和背景復(fù)雜給水下目標(biāo)檢測(cè)帶來(lái)的困難。YOLOv7-SDBB 算法和Underwater-YCC算法相比，具有更少的誤判和識(shí)別，檢測(cè)精度更高，能夠有效解決目標(biāo)重疊、誤檢漏檢等問(wèn)題。綜上所示，與其他主流算法相比，YOLOv7-SDBB 算法實(shí)現(xiàn)了最高的檢測(cè)精度，同時(shí)保持了中等水平的檢測(cè)和推理速度，在水下目標(biāo)檢測(cè)方面具有更好的性能，并在一定程度上解決了水下復(fù)雜環(huán)境下獲取圖像時(shí)存在圖像模糊、背景復(fù)雜等現(xiàn)象導(dǎo)致的模型特征提取困難、目標(biāo)漏檢等問(wèn)題。

圖10 不同算法檢測(cè)結(jié)果Fig.10 Detection results of different algorithms

4 結(jié)束語(yǔ)

目前水下目標(biāo)檢測(cè)算法的改進(jìn)主要在于提高檢測(cè)精度，導(dǎo)致模型參數(shù)量多，實(shí)時(shí)性差，難以部署在水下移動(dòng)設(shè)備或嵌入式設(shè)備。為此，提出了一種兼顧精度和速度的輕量化水下目標(biāo)檢測(cè)算法。首先，采用輕量級(jí)網(wǎng)絡(luò)ShuffleNetv2 改進(jìn)YOLOv7 的骨干，減少模型參數(shù)量和計(jì)算量。其次，結(jié)合深度可分離卷積提出D-ELAN和D-MPConv 模塊，進(jìn)一步實(shí)現(xiàn)網(wǎng)絡(luò)輕量化。最后，針對(duì)水下環(huán)境的復(fù)雜性，結(jié)合動(dòng)態(tài)注意力機(jī)制BiFormer和加權(quán)雙向特征金字塔網(wǎng)絡(luò)BiFPN 改進(jìn)網(wǎng)絡(luò)的特征融合部分，增強(qiáng)不同層次的特征融合，減少目標(biāo)信息丟失，一定程度上解決了水下場(chǎng)景中目標(biāo)重疊和背景復(fù)雜給水下目標(biāo)探測(cè)帶來(lái)的困難。實(shí)驗(yàn)結(jié)果表明，所提出的YOLOv7-SDBB 的mAP 提高至85.9%，處理速度達(dá)到100.9 FPS，這表明本文方法在精度和速度方面有一定的優(yōu)勢(shì)，實(shí)現(xiàn)了水下目標(biāo)檢測(cè)速度和精度的良好平衡，在復(fù)雜水下環(huán)境下的性能優(yōu)于目前最先進(jìn)的目標(biāo)檢測(cè)模型。

本文提出的YOLOv7-SDBB 網(wǎng)絡(luò)為解決水下生物探測(cè)研究中的困難提供了一種新的思路，實(shí)現(xiàn)了水下目標(biāo)探測(cè)研究的高精度和實(shí)時(shí)性。然而，整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)仍有很大的改進(jìn)空間，水下目標(biāo)檢測(cè)技術(shù)的實(shí)時(shí)性和輕量化方面還有待進(jìn)一步研究。在未來(lái)的工作中，將繼續(xù)深入研究輕量化和加速方法在水下目標(biāo)檢測(cè)中的應(yīng)用。