수중 목표 탐지 기술은 해양 자원 탐사와 환경 보호 분야에서 중요한 역할을 합니다. 그러나 수중 환경은 영상 흐림과 목표 크기 변화 등의 문제로 탐지 작업에 어려움을 줍니다. 수중 목표 탐지 정확도를 향상시키기 위해 인지 강화 혼합 네트워크를 제안합니다. 먼저, 글로벌-로컬 혼합 강화 특징 추출 주 네트워크를 구축하여 자기 주의 메커니즘을 활용해 이미지 내 장거리 글로벌 정보를 획득하고, 더욱 풍부한 이미지 로컬 세부 정보를 추출하기 위해 컨볼루션 주의 강화 모듈을 추가로 구축합니다. 특징 추출 과정에서 이미지의 글로벌 및 로컬 특징 연관성을 더 잘 포착하여 각 스케일 특징 서술의 판별력을 강화합니다; 다음으로, 영상 흐림 대비가 낮을 때 목표 탐지 정확도를 높이기 위해 목표 인지 강화 이단계 탐지 헤드를 구성합니다. 1단계 영역 제안 생성 네트워크의 깊이를 증가시켜 저품질 영상에서 더 많은 목표 의미 정보를 추출하고, 2단계에서 자기 주의 메커니즘을 도입하여 배경 또는 부차적 정보 간섭을 억제합니다. 더 나아가 목표 탐지 교집합 대비 분기(branch)를 도입하여 1단계 목표 사전 정보를 2단계 분류 해결에 융합하여 다양한 종류 목표의 탐지 정확도를 향상시킵니다. 제안한 방법은 수중 목표 탐지 데이터셋 TrashCan과 WPBB에서 각각 37.8%, 61.8% 및 82.0%, 98.9%의 성능을 달성했습니다. 정성적 및 정량적 비교 실험 결과는 모델이 다양한 종류의 수중 목표에 대해 우수한 탐지 정확도와 강인성을 가지는 것을 보여줍니다.

수중 목표 탐지; 특징 강화; 자기 주의 메커니즘; 혼합 네트워크