基于改进 YOLOv5 的水下群体目标检测研究与实现

基于改进 YOLOv5 和可变形卷积的水下群体目标检测模型(DCM-ATM-YOLOv5)。 为解决目标受模糊背景影响的问题，提出可变形卷积模块，学习采样点的偏移，使采样点 更注重对前景目标的采集，减少背景对检测的干扰，提高检测准确率。针对高密度群体互 相遮挡导致的目标漏检问题，提出了自适应阈值模块，通过预测自适应的阈值，减少因固 定阈值导致的漏检，以提高召回率。在真实养殖鱼群数据集上进行消融实验、不同水下目 标检测模型的性能对比实验。实验结果表明，检测准确率和召回率分别为97.53%和98.09%， 与先进水下目标检测模型比较，准确率和召回率均有所提升。