文章标题：微调Stable Diffusion的侧扫声呐图像数据集扩充方法

文章作者：高鑫¹, 张龙刚¹, 彭望³, 郝瑞亭², 马双双³, 郑杰⁴
关 键 字：侧扫声呐;深度学习;参数高效微调;稳态扩散
文章摘要：针对水下声学图像获取难度大、优质数据少的问题，提出一种参数高效微调Stable Diffusion的侧扫声呐图像数据集扩充方法。旨在提升数据集质量与多样性，进而改善基于深度学习的舰船侧扫声呐目标检测系统的性能。首先冻结预训练模型全连接层的权重，随后注入可训练的秩分解矩阵（Rank Decomposition Matrices），最后嵌入提示词生成图像样本。实验结果表明，相比于目前主流基于CycleGAN的方法，提出的方法生成了更高质量、多样化、稳定的侧扫声呐图像。此外，数据集扩充后，多种主流的目标检测算法性能均有所增强，YOLOv8n的mAP@0.5提升了22.9%，证明了该方法的有效性。