报告名称：基于改进YOLOv3的复杂水下目标实时检测算法

报告时间：2020年11月26日16:00-17:00

报告地点： 61号楼5024

报告人：王正阳（导师：郭书祥），男，哈尔滨工程大学博士生

报告内容：提出了一种基于YOLOv3的复杂水下环境下相似多目标实时检测的改进算法，用于海参、海胆、扇贝、海星等海洋生物的实时检测。在传统方法中，需要人工设计的分类器平均精度较低。相比之下，基于深度学习的目标识别系统在精度和泛化方面有很大的优势。然而，海洋生物由于其特殊的形态和外观，不仅难以区分，而且容易与海底背景相混淆。因此，现有的基于深度学习的目标检测算法在水下复杂环境的识别中并没有取得很好的效果。在这方面，我们对数据集进行了数据增强、图像增强、样本均衡等处理，减少了数据集对训练结果的影响，在一定程度上保证了识别的准确性。我们对yolov3进行了一些改进，包括增加特征清晰层和池化层，以提取更有效的特征，同时避免了训练过程中的过拟合问题。实验结果表明，该方法有效地提高了目标检测的精度，对系统的实时性几乎没有影响。