文章摘要:为提高海洋生物图像的检测精度，本文采用优化的MSRCR对海洋生物图像进行增强，并基于ASFF和Focal Loss提出一种改进的YOLOv4算法（IYOLOv4）。首先针对光线在海水中传播，红光的强衰减性，导致海洋生物图像对比度低、出现色偏的问题，使用双边滤波代替传统的MSRCR中的高斯滤波，不仅能保留更多图像边界的特征，而且通过增益图像中的红色，解决了图像色偏问题，同时也提高了图像局域对比度。其次算法使用ASFF结构充分利用图像高层特征的语义信息与底层的细粒度特征，通过学习权重参数的方式来进行特征的充分融合，增强融合效果；最后将YOLOv4的分类损失中采用的BCE Loss替换为Focal Loss，来解决数据集中类别不均衡的问题，提高检测精度。实验结果表明，该算法与YOLOv4算法相比，海参、扇贝、海星、海胆四种类别的AP分别提高了10.35%、9.13%、2.22%、0.14%，mAP提高了5.45%。

文章关键词:

论文分类号:Q178.53;TP391.41