[论文解读] UTD-Yolov5: A Real-time Underwater Targets Detection Method based on Attention Improved YOLOv5

Jingyao Wang, Naigong Yu|arXiv (Cornell University)|Jul 2, 2022

Advanced Neural Network Applications被引用 6

一句话总结

本文提出 UTD-Yolov5，一种实时水下目标检测方法，通过两级级联CSP主干网络、挤压-激励（SE）注意力模块以及一种新型随机锚框相似度计算方法，对 YOLOv5 进行改进。该方法在 CSIRO 数据集上实现了 78.54% 的平均精度，显著提升了低光照、低分辨率水下环境下的检测准确率。

ABSTRACT

As the treasure house of nature, the ocean contains abundant resources. But the coral reefs, which are crucial to the sustainable development of marine life, are facing a huge crisis because of the existence of COTS and other organisms. The protection of society through manual labor is limited and inefficient. The unpredictable nature of the marine environment also makes manual operations risky. The use of robots for underwater operations has become a trend. However, the underwater image acquisition has defects such as weak light, low resolution, and many interferences, while the existing target detection algorithms are not effective. Based on this, we propose an underwater target detection algorithm based on Attention Improved YOLOv5, called UTD-Yolov5. It can quickly and efficiently detect COTS, which in turn provides a prerequisite for complex underwater operations. We adjusted the original network architecture of YOLOv5 in multiple stages, including: replacing the original Backbone with a two-stage cascaded CSP (CSP2); introducing the visual channel attention mechanism module SE; designing random anchor box similarity calculation method etc. These operations enable UTD-Yolov5 to detect more flexibly and capture features more accurately. In order to make the network more efficient, we also propose optimization methods such as WBF and iterative refinement mechanism. This paper conducts a lot of experiments based on the CSIRO dataset [1]. The results show that the average accuracy of our UTD-Yolov5 reaches 78.54%, which is a great improvement compared to the baseline.

研究动机与目标

• 解决水下图像质量差的问题——表现为光照不足、分辨率低、噪声高，从而阻碍有效目标检测。
• 提升现有基于 YOLOv5 的检测模型在传统方法失效的复杂水下环境中的性能。
• 开发一种实时、高精度的检测系统，用于关键海洋物种（如冠状海星，COTS）的检测，以支持生态保护。
• 通过架构改进与注意力机制，优化网络效率与特征提取能力，提升检测鲁棒性。

提出的方法

• 用两级级联的 CFP2（CSP2）架构替换原始 YOLOv5 主干网络，以提升在低光照水下环境中的特征提取与表征能力。
• 集成挤压-激励（SE）通道注意力机制，通过强调重要通道并抑制不相关通道，对特征图进行重校准。
• 提出一种基于随机相似度计算的锚框分配方法，以提升锚框分配效果，减少复杂水下场景中的误检。
• 应用加权集成与迭代精炼（WBF）方法，通过多尺度融合提升检测置信度与边界框精度。
• 在保持高精度的同时，优化网络推理速度与效率，实现在水下机器人系统上的实时部署。
• 使用包含多样水下目标实例（如 COTS 及其他海洋物体）的 CSIRO 水下数据集对模型进行微调。

实验结果

研究问题

• RQ1 如何有效改进 YOLOv5 以在低能见度与低分辨率条件下检测水下目标？
• RQ2 集成通道注意力机制在水下图像检测任务中，对特征表征的提升程度如何？
• RQ3 基于随机相似度计算的改进型锚框分配策略，能否提升复杂水下场景中的检测准确率并减少误报？
• RQ4 CSP2 等架构改进与 WBF 机制在提升实时性能与检测鲁棒性方面有何贡献？
• RQ5 与基线 YOLOv5 相比，使用所提出的 UTD-Yolov5 模型在水下数据集上的平均精度（mAP）定量提升了多少？

主要发现

• UTD-Yolov5 在 CSIRO 水下数据集上实现了 78.54% 的平均精度（mAP），显著优于基线 YOLOv5。
• 集成 SE 注意力模块通过聚焦于判别性通道，增强了特征表征能力，提升了在噪声水下环境中的检测准确率。
• 所提出的两级级联 CFP2（CSP2）主干网络相比原始 YOLOv5 主干网络，显著提升了特征学习能力与检测鲁棒性。
• 所提出的随机锚框相似度计算方法有效减少了误检数量，并提升了复杂水下场景中的定位精度。
• WBF 与迭代精炼机制显著提升了检测置信度与边界框精度，对整体性能提升有重要贡献。
• 该模型保持了实时推理速度，适用于部署于水下机器人平台，用于生态监测与干预任务。