La tecnología de detección de objetivos submarinos desempeña un papel importante en la exploración de recursos marinos, la protección del medio ambiente, etc. Sin embargo, el entorno submarino presenta problemas como la imagen borrosa y la variación en la escala de los objetivos, lo que dificulta la tarea de detección. Para mejorar la precisión de la detección de objetivos submarinos, se propone una red mixta de percepción mejorada. En primer lugar, la construcción de una red principal de extracción de características de mejora global-local, utilizando un mecanismo de autoatención para extraer información global a largo plazo de la imagen, y luego la construcción de un módulo de mejora de la atención convolucional para extraer información detallada local más rica de la imagen. Capturando mejor las características globales y locales durante el proceso de extracción de características, se puede mejorar la discriminación de las características a diferentes escalas; luego, para mejorar la precisión de la detección de objetivos en imágenes de baja calidad, se construye una cabeza de detección de dos etapas mejorada de percepción. Aumentando la profundidad de la red de generación de propuestas de área en la primera etapa, se puede extraer más información semántica de los objetivos de las imágenes de baja calidad, y al introducir un mecanismo de autoatención en la segunda etapa, es posible suprimir la información de fondo o secundaria. Además, se introduce una rama de superposición de detección de objetivos para fusionar la información de los objetivos de la primera etapa en la resolución del problema de la segunda etapa, lo que aumenta la precisión de la detección de diferentes tipos de objetivos. El método propuesto ha demostrado un rendimiento exitoso en el conjunto de datos de detección de objetivos submarinos TrashCan y WPBB con resultados del 37,8%, 61,8%, 82,0% y 98,9% respectivamente. Los resultados experimentales cualitativos y cuantitativos muestran que el modelo tiene una buena precisión de detección y robustez para objetivos de diferentes tipos bajo el agua.

Detección de objetivos submarinos; mejora de características; mecanismo de autoatención; red mixta