基于改进YOLOv7声光融合水下目标检测方法

多变的光照条件及天气状况将会严重影响水下光学图像的成像质量，为提升水下目标检测的稳定性及检测精度，基于深度神经网络模型，对结合光学图像和声呐图形的多模态方法进行研究。首先，针对实时神经网络检测器架构YOLOv7，通过改进该检测器，使其适用于多模态输入。其次，为了有效地结合来自不同模态的影响特征，提出全新的融合模型YOLOv7-Fusion，并通过引入CE-Fusion模块，实现融合效率和准确度的提升。最后，为了解决数据集缺少的问题，利用快速风格和图像处理算法转化的方法，生成人工数据集。所设计的算法及模型目标识别准确率为0.995，具有较高检测精度；Fps为43.4，具有较高处理效率。该模型可支持真实应用，适用于不同类型的水下场景。