文章标题：小样本侧扫声呐图像自动检测性能提升方法

文章作者：赵桁¹, 韩树平¹, 耿家营¹, 韩宇博¹, 柳洪刚¹, 谈鑫²
关 键 字：深度学习;自动检测;迁移学习;侧扫声呐
文章摘要：为解决侧扫声呐图像自动检测样本不足的问题，在不增加试验成本和模型复杂度的基础上，依托现有样本，通过增加标签、调整尺寸、区分频率、叠加数量扩增声图样本，结合迁移学习，有效提升了小样本侧扫声呐图像自动检测性能。实验结果显示，YOLOv7模型直接对原始样本进行检测，精确率和召回率的调和平均数为0.617，经过新扩增的4个声图样本进行迁移学习后，调和平均数分别增加了0.267、0.158、0.166和0.306，检测性能均得到了提升。实验数据进一步显示，样本数量和相似度是影响检测效果的重要因素，因此，在现有样本基础上，挖掘图像特征、扩增声图数量、开展迁移学习，是提升小样本侧扫声呐图像自动检测性能的有效手段。