ODConv-GFPN-LSPCD: A Multi-Module Enhanced YOLOv11n for Marine Organism Detection
本文提出了一种名为 ODConv-GFPN-LSPCD 的多模块增强型 YOLOv11n 架构，该架构集成了全维动态卷积、长颈鹿特征金字塔网络以及轻量化共享卷积检测头，旨在实现对挑战性水下环境中海洋生物检测的卓越精度与实时效率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
海洋是一个广阔而多变的世界，其中的光线表现得与陆地上截然不同。阳光在穿透水层时会发生散射并逐渐减弱，创造出往往昏暗、浑浊且充满障碍的景象。对于科学家和环保人士而言，了解水下生物对于保护生态系统和管理渔业至关重要，但观察这些环境极其困难。人类无法在水下停留太久，而传统的拖网等方法则会破坏他们试图研究的栖息地。这导致了对摄像机和机器人的依赖，然而教计算机在水下“看清”事物却是一个独特的挑战。标准的视觉系统是在清晰的汽车或陆地行人图像上训练的，当面对海洋中的扭曲、低光照以及微小移动的生物时，这些系统往往会失效。它们会错过微小的动物，在生物弯曲或扭动时失去追踪，并在能见度较低时表现挣扎。
为了解决这个问题，研究人员转向了人工智能，特别是被称为“检测器”的一种计算机视觉系统。这些系统会扫描图像并在物体周围画框，识别它们是什么以及位于何处。虽然现代检测器功能强大，但那些专为速度和效率设计的检测器往往缺乏应对复杂水下世界所需的精度。来自郑州大学和四川农业大学的一项最新研究通过专门针对海洋生物优化一种快速、轻量级的检测系统来填补这一空白。团队并非从零开始发明新系统；相反，他们采用了一个现有的高效模型，并对其内部逻辑的三个特定部分进行了精准改进。他们的目标是创建一个既能在小型电池驱动机器人上快速运行，又足够精确到能发现杂乱环境中微小海星或伪装鱼类的工具。
研究人员从一个名为 YOLOv11n 的基准模型开始，该模型以快速和紧凑而闻名。然而，他们发现了使该模型在水下表现挣扎的三个具体弱点。首先，模型的初始层（用于缩小图像尺寸以进行处理）使用了一种僵化、静态的方法，无法适应海洋动物奇特的形状。其次，系统中负责结合不同距离信息的部分——旨在帮助计算机同时看到微小细节和大轮廓——过于固定，导致其容易丢失对微小或隐藏生物的追踪。第三，做出实际物体判断的最终层携带了过多的冗余权重，使得系统在面对有限数据进行训练时容易出错。
为了修复这些问题，团队引入了三个互补的升级方案。第一个变化是用一个可以调整焦点的动态系统取代了僵化的初始层。想象一下，一个相机镜头可以瞬间改变其玻璃形状以匹配鱼类的身体曲线，而不是强迫鱼类去适应标准形状。这使得系统能够更好地捕捉那些扭动、转弯或具有柔韧性身体的动物的细节。第二个升级重新组织了系统在不同处理层之间共享信息的方式。他们创建了一个信息可以循环流动并相互强化的网络，而不是一个信息单向流动的单行道。这确保了微小的虾或远处的海蜇的细微特征在图像处理过程中不会丢失。第三个也是最具影响力的变化是精简了最终层。通过移除冗余部分并在不同检测任务之间共享资源，研究人员在不牺牲准确性的情况下，显著降低了系统所需的内存。
当团队在包含十一种不同类型海洋生物、近万张水下图像的数据集上测试这些改进时，结果非常明确。这个被命名为 ODConv-GFPN-LSPCD 的改良系统，其表现优于原始模型和几种领先的检测器。在直接对比中，新系统在识别和定位物体方面实现了更高的准确率，在特定的测试中达到了 47.20% 的得分，同时比基准模型消耗更少的计算资源。它成功识别出了其他模型可能错过的微小及部分隐藏的生物，例如躲在珊瑚中的小丑鱼或海底的双壳类动物。该系统还保持了高速度，处理图像的速度足以满足水下机器人实时应用的需求。
这项研究强调，最显著的提升来自于精简后的最终层，这证明了通过减少混乱来使系统变得更小、更简洁，实际上可以使其变得更聪明。虽然针对形状的动态调整和改进的信息共享提供了帮助，但减少不必要的复杂性才是提升性能的关键驱动力。研究人员指出，该系统在极暗的水域或某些训练数据中代表性不足的稀有物种面前仍面临挑战，但速度与准确性的整体平衡代表了一个重大进步。通过创造一个既轻量又精确的工具，这项工作为部署能够持续监测海洋生物多样性的自主水下航行器提供了一条切实可行的路径，有助于在无需人类持续干预的情况下保护海洋的隐秘生命。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。