改進的YOLOv3淺海水下生物目標檢測

陳宇梁，董紹江，朱孫科，孫世政，胡小林

1.重慶交通大學機電與車輛工程學院，重慶400074

2.重慶工業大數據創新中心有限公司，重慶404100

我國漁業資源豐富，通過水下圖像進行水下生物檢測對于漁業資源勘測具有重要意義。目前普遍采用將攝像頭放入水中的方式進行水下圖像獲取，該方式效率低且難以檢測深水區域，而通過水下機器人搭載攝像頭對海洋漁業資源進行探索能夠在提高效率，并且能夠對深水環境進行廣泛探測[1]。傳統目標檢測方法通過人工進行特征提取后再分類，效率極低。自卷積神經網絡被提出以來，基于深度學習的目標檢測方法能夠在同一個網絡中進行不同尺度的特征提取，使目標檢測的效率得到大幅提升，進而獲得廣泛應用[2]。

目前主流的目標檢測方法根據網絡檢測順序分為“雙階段（Two-stage）”和“單階段（One-stage）”兩類[3]。“Two-stage”目標檢測算法中具有代表性的是Girshick等[4]提出的超快區域卷積神經網絡（Faster R-CNN），該類算法基于候選區域進行目標分類，資源消耗較大，檢測速度也有待提高。為了提高模型的檢測速度，減少資源的消耗，Redmon 等[5]提出了基于深度學習的YOLO（You Only Look Once）算法，該算法為“One-stage”目標檢測算法，將區域預測和分類兩個步驟整合至稠密卷積神經網絡（DCNN）中完成，檢測速度得到大大提升，但檢測精確度不如Faster R-CNN。針對精確度，Liu等[6]提出了單階段多尺度目標檢測（single shot multibox detector，SSD），通過使用不同的特征圖對不同尺寸的物體進行檢測的多層預測完成目標檢測，但檢測速度方面未得到提升，仍難以達到實時性要求。針對檢測速率和精確度較低的問題，Redmon 等[7]提出的YOLOv3（YOLO version 3）采用將深層特征和淺層特征相融合的殘差單元模塊（Res Unit）融入到網絡中，對檢測速度和精確度都有大幅提升，達到實時檢測的條件。因此許多研究人員基于單階段目標檢測算法對水下目標檢測進行研究。袁利毫等[8]通過將YOLOv3用于水下目標檢測以輔助水下機器人進行水下工作。高英杰[9]基于SSD 算法結合深度分離可變形卷積模塊提高了水下目標檢測的精度，但大幅增加模型的參數量后降低了檢測速度，實時性較差。趙德安等[10]提出圖像預處理與YOLOv3 算法相結合的方式提高了對河蟹的檢測精度，但對特征模糊的水下小目標的識別精度較低。劉萍等[11]基于YOLOv3算法利用GAN（generative adversarial networks）模型提高對海洋生物的識別能力，但該方法提高了訓練難度以及對數據集的要求。

但該類算法并未充分利用水下目標的特征，并且水下圖像存在色彩失真和紋理不清晰，且存在目標尺寸較小或曝光問題時檢測精度影響較大，存在漏檢和誤檢的問題。

目前YOLO系列已優化到YOLOv5，該網絡在對于正常場景下的數據集的檢測精確度和速度上均獲得更好的效果，但對目標尺寸較為敏感，在小目標的檢測檢測任務中效果表現較差，而水下圖像中由于拍攝位置等問題極易出現小目標[12]。但YOLOv5極為精簡，難以針對水下圖像融入特征提取模塊，因此本文將基于YOLOv3進行模型改進。

首先，針對使用人造光源改善淺海中光線較暗時易導致圖像中距離光源較近物體出現局部過曝以及小目標難以檢測的問題，本文在YOLOv3網絡中加入殘差卷積塊注意力模塊（residual convolutional block attention module，Res CBAM），增強對目標的特征提取能力；然后，針對淺海中水下光線衰弱嚴重帶來的圖像色彩失真和圖像毛糙等影響生物目標檢測識別效果的問題[13]，本文采用跨階段局部模塊（cross stage partial block，CSP Block）增強特征提取，提高檢測精確度；最后，針對水下生物目標尺寸差異大且數據集有限的情況，為提高小目標和過大目標的檢測精確度，引入了完全交并比（complete intersection over union，CIoU）[14]的預測框損失函數進行訓練，以增強預測框的適應能力，提高目標檢測精確度。

1 YOLOv3模型框架

YOLOv3模型主要由主干（backbone）、連接頸（neck）和預測頭（head）三個部分組成，結構如圖1所示。

圖1 YOLOv3模型結構圖Fig.1 YOLOv3 module structure diagram

YOLOv3 的主要由卷積模塊（CBL）和殘差單元模塊（Res Unit）組成。darknet-53 網絡是YOLOv3 模型的主干部分，負責圖像的特征提取。其中，卷積模塊由卷積（Conv）層、標準歸一化（BN）層和Leaky ReLU 激活函數組成；殘差單元模塊如圖2所示，基于經典殘差結構，由卷積模塊和相加融合（Add）模塊組成，計算如式（1）：

圖2 殘差單元模塊結構圖Fig.2 Res Unit structure diagram

y=CBL3×3(CBL1×1(x))+x（1）其中，x表輸入的圖像特征，y代表經提取后輸出的圖像特征，CBL(x)計算如式（2）：

其中，CBL模塊結構如圖3所示。

圖3 卷積模塊結構圖Fig.3 CBL structure diagram

連接頸部分在YOLOv3 中將主干部分輸出特征進行特征融合。

預測頭部分起目標檢測識別的作用，通過連接頸部分輸出的多尺度特征生成預測框和識別類型作為目標檢測識別結果輸出。

2 用于水下生物目標檢測的改進型YOLOv3模型

本文將YOLOv3 與所構造的跨階段局部模塊和殘差卷積塊注意力模塊相結合，提出了YOLO-fish 結構，如圖4所示，并使用CIoU進行損失計算。

圖4 YOLO-fish網絡結構圖Fig.4 YOLO-fish network structure diagram

其中，將YOLOv3中的殘差單元均修改為跨階段局部模塊；并在網絡的第15、21和26層加入了殘差卷積塊注意力模塊。

2.1 跨階段局部模塊

YOLOv3 使用的殘差單元模塊在對特征進行提取時易將水下圖像中的噪聲帶到下一層網絡使特征信息冗雜，掩蓋有用特征。為提高網絡的特征提取能力，本文借鑒跨階段局部網絡（cross stage partial network，CSPNet）[15]的結構，提出跨階段局部模塊（CSP Block），結構如圖5所示。

圖5 跨階段局部模塊結構圖Fig.5 CSP Block structure diagram

跨階段局部模塊在通過融合多通道特征對淺海水下圖像進行深層特征提取的同時，避免了殘差網絡帶來的信息冗余問題，提高了特征提取能力；并使梯度路徑長度最小化，提高了誤差反向傳播的傳播效率。

將YOLOv3 網絡中的殘差單元模塊替換為跨階段局部模塊，緩解了其中多層殘差單元模塊堆疊提取的深層特征被淺層特征覆蓋的問題，提高了淺層特征與深層特征的融合。殘差單元模塊的計算如式（3）所示：

y(x)=M([x′;x′])（3）式中，[;]表示通道連接，M表示通道連接后相連的3個模塊的操作，x′、x′分別表示圖4中兩條支路的輸出特征。

2.2 殘差卷積塊注意力模塊

對于淺海水下圖像中，通過人造光源進行亮度補充易造成的因物體距離人造光源較近出現目標圖像過曝和光照較弱或物體距離較遠出現光線不足等情況，在卷積時，該部分圖像中存在的信息易被冗余信息所掩蓋，從而影響水下生物目標檢測識別的精確度[16]。因此，本文提出殘差卷積塊注意力模塊以增強對水下生物目標特征的提取，達到增強對目標信息識別的目的。

殘差卷積塊注意力模塊是一個將卷積塊注意力模塊（convolutional block attention module，CBAM）[17]與殘差網絡（residual network，ResNet）相結合的注意力模塊。其中，卷積塊注意力模塊是由通道注意力模塊（channel attention module，CAM）和空間注意力模塊（spatial attention module，SAM）組成的輕量化注意力模塊。卷積塊注意力模塊首先將輸入特征F與其被通道注意力模塊處理后所得到的特征F′CA相乘，得到通道細化注意力特征FCA；然后與空間注意力模塊處理所得到的特征F′SA相乘得到空間細化注意力特征FSA；最后與輸入特征F進行相加融合得到殘差卷積塊注意力模塊的輸出FOUT，如圖6所示。

圖6 殘差卷積塊注意力模塊結構圖Fig.6 Res CBAM structure diagram

通道注意力模塊由最大池化層（MaxPool）、平均池化層（AvgPool）、多層感知機（multilayer perception，MLP）、相加融合模塊和Sigmoid激活函數構成，如圖7所示。

圖7 空間注意力模塊結構圖Fig.7 CAM structure diagram

通道方向注意力F′CA計算如式（4）所示：

式中，σ代表Sigmoid激活函數，F代表輸入特征圖。

空間注意力模塊由最大池化層、平均池化層、通道連接模塊、卷積層和Sigmoid激活函數構成，如圖8所示。

圖8 SAM結構圖Fig.8 SAM structure diagram

空間方向注意力F′SA計算如式（5）所示：

式中，f3×3代表卷積核為3×3的卷積操作，[;]表示通道連接。

2.3 損失函數

YOLOv3 中使用Rezatofighi 等提出的廣義交并比（generalized intersection over union，GIoU）計算預測框損失。該損失計算在IoU[18]的基礎上，引入了標注框A和預測框AP的最小包圍框C，如圖9所示。但淺海中生物個體體積懸殊較大，其中多為小目標，并且由于物體在圖像中會呈現遠小近大的實際情況，即使同一體積物種在淺海中自由運動時同樣會因空間位置而造成尺寸差距較大，易導致預測框與標注框存在包含關系，使GIoU損失計算失效，影響目標標定的精確度。因此，在訓練時為增強對標注框信息的挖掘，本文將參考中心交并比（center intersection over union，CIoU）的方法，充分考慮兩框的相對位置，對重疊面積、中心點距離和長寬比對輸出結果進行評估。

圖9 預測框與標注框參數解釋圖Fig.9 Explanatory diagram of parameters of prediction frame and anchor frame

GIoU計算如式（6）所示：

式中，C(A?AP)表示C中標注框A和預測框AP未包含的區域，IoU的計算如式（7）所示：

當兩框出現包含關系時，GIoU將與IoU效果相同。而對兩框相對位置進行充分考慮的CIoU 計算如式（8）所示：

式中，ρ(A,AP)表示A框和AP框中心點坐標的歐式距離d,l表示C的對角線長度，α是權重參數，計算如式（9）：

式中，v是長寬比相似度的衡量值：

式中，WP為預測框的寬，HP為預測框的高，WA為標注框的寬，HA為標注框的高。由CIoU 損失函數LCIoU表示為：

3 YOLOv3模型框架

3.1 實驗環境及數據集

本文進行的實驗環境為Windows 操作系統，AMD Ryzen 7 5800H（CPU），16 GB 隨機存取內存（RAM），RTX 3060 Laptop（GPU），6 GB 顯示內存，深度學習框架為pytorch。

本文所使用的淺海水下生物目標數據集，由奧爾堡大學（Aalborg University，AAU）在丹麥北部的利姆水道底部所采集[19]，共14 674幅圖像，包含海星（starfish）、小魚（small fish）、蝦（shrimp）、水母（jellyfish）、大魚（fish）和螃蟹（crab）六種海洋動物。取其中1 467幅（約10%）作為驗證集，取其中1 468幅（約10%）作為測試集，剩余11 739 幅（約80%）作為訓練集進行訓練。其中部分圖像及其Scharr算子處理后的圖像如圖10所示。

圖10 數據集圖片（左）和Scharr算子處理后的圖像（右）Fig.10 Dataset images（left）and images processed by Scharr operator（right）

從圖10 中右側圖片可以看出，由于光線衰弱導致了水下圖像中輪廓和紋理特征的損失，極大影響了清晰度。圖10 中（a）和（b）左側兩幅原圖分別如圖11 中的（a）和（b）兩幅三通道直方圖。

圖11 三通道直方圖Fig.11 Histogram of three channels

從圖11 可以看出兩幅圖像的像素值整體偏小，且從圖11（a）中可以看到像素值為227 到237 之間像素點數量有明顯爆發，表示圖像中發生了大面積的曝光，而且數據集中一定數量的圖像存在該類情況。數字圖像中，圖像的標準差反映了圖像像素值與均值的離散程度，標準差越大說明圖像的質量越好。而圖10 中左側兩張原圖的標準差分別為49.593和50.682，本數據集的平均標準差為51.849，低于正常場景下的圖像的標準差，可知本數據集的水下圖像質量較差，圖像中信息豐富度較低。

3.2 評價指標

本文的目標檢測任務采用精確度P（Precision）、召回率R（Recall）、平均精確度（mean average precision，mAP）和幀數（frame per second，FPS）四種評價指標對模型進行評價。

通過混淆矩陣對精確度P、召回率R 和平均精確度mAP 進行計算，混淆矩陣包含四個指標，即真陽性（true positive，TP）、真陰性（true negative，TN）、假陽性（false positive，FP）和假陰性（false negative，FN），如表1所示。

表1 二元分類的混淆矩陣Table 1 Confusion matrix for binary classification

表1中，預測框與標注框之間的IoU值≥所設閾值的預測框數量為TP，相反，IoU＜閾值的數目則為FP，未檢測到的目標數量為FN。

精確度AP的定義是預測值為Positive 的總數量中，TP所占的比例，該指標是直觀反映模型錯檢程度的衡量值，其式如式（12）所示：

召回率R的定義是實際值為Positive 的總數量中，TP所占的比例，該指標是直觀反映模型漏檢程度的衡量值，其式如式（13）所示：

平均精確度（mAP）代表所有物種精確度的平均值，如式（14）：

式中，n代表物種數量。

mAP 包含了mAP@0.5 和mAP@0.5:0.95 兩種，其中mAP@0.5 是當IoU閾值取值為0.5時，對于其中一個類別，有n個正例樣本，對這n個樣本的精確度APi求取平均值即得該類的mAP@0.5。將mAP 的IoU 閾值從0.5以0.05為步長增至0.95并取mAP 的平均值，其計算分別為式（15）、（16）：

式中，C代表類別數。

mAP@0.5 能夠表現精確度P 和召回率R 的變化趨勢，mAP@0.5 越高越容易使二者保持較高水平。

mAP@0.5:0.95 是在不同IoU閾值取值情況下的綜合表現，相較于mAP@0.5更加考慮整體情況，mAP@0.5:0.95越高代表模型高精度邊界回歸能力越強，即預測框與標注框的擬合越精確。

FPS表示的是每秒完成檢測的圖像的數量，其計算如式（17）所示：

式中，t代表單幅圖像的處理時間，單位是秒（s）。

3.3 實驗結果與分析

本文所使用的數據集中存在大量小目標，訓練集圖片的分辨率與輸入圖片所設置的分辨率的比例對所訓練網絡的檢測效果影響較大，因此本文中將輸入圖片尺寸設置為640×640，與數據集圖片本身分辨率相同。

將以GIoU作為預測框損失計算的YOLOv3為原生模型，與使用CIoU 改進了損失函數的YOLOv3-CIoU、模型僅加入了殘差卷積塊注意力模塊的YOLOv3-ResCBAM、模型結構修改為跨階段局部模塊的YOLOv3-CSP、模型結構修改為本文所提出的網絡框架而訓練時未使用CIoU改進損失函數的YOLOv3-a和本文提出的改進了框架和損失函數的YOLO-fish 通過測試集數據進行對比實驗。

通過表2 可以看出，本文改進后的YOLO-fish 算法相較于原YOLOv3算法在水下生物目標檢測方面，對于各種物種的檢測均有所提高。其中，YOLOv3-CIoU 平均準確率提升了9.5 個百分點，召回率提高了42.9 個百分點由于對預測框的損失函數上做出優化，提高了預測框的精確度，因此對各物種目標的精確度都有所提升。YOLOv3-ResCBAM 平均精確度提高了1.1 個百分點，召回率提高了5.1 個百分點，由于添加了ResCBAM 模塊，增強了模型對部分水下生物目標特征的提取能力。YOLOv3-CSP 平均精度提高了7.2 個百分點，召回率提高了32.3 個百分點，由于改變了網絡結構，增加了網絡的深度和廣度。YOLOv3-a 平均精確度提高了10.7 個百分點，召回率提高了42.3 個百分點，融合了以上兩種改進方法的特點，其各物種目標的精確度和召回率都得到了提升。結合了以上三種改進方式的YOLO-fish，其精確度提高了11.3個百分點，召回率提高了43.0個百分點。

表2 改進的YOLOv3和YOLOv3實驗結果詳情Table 2 Details of improved YOLOv3 and YOLOv3 experiment results 單位：%

通過表3可以看出，三種優化方式在不影響檢測速度的情況下，其mAP@0.5 和mAP@0.5：0.95 兩種指標相較于YOLOv3均有提高，說明綜合提高了算法對于水下圖像的檢測能力。表明結合了三種優化方式YOLO-fish在對于水下圖像進行水下生物目標檢測識別時有更好的檢測效果。

表3 改進的YOLOv3和YOLOv3實驗結果參數Table 3 Improved YOLOv3 and YOLOv3 experimental result parameters

綜合以上分析結果表明，通過將預測框標定的損失函數進行優化，增加了更多的預測框評定指標對誤差進行分析，使得更多的標定誤差情況得以考慮，增強了目標檢測的魯棒性，從而提高了精確度和召回率。另外，添加了CSP 模塊和Res CBAM 模塊增加了網絡的深度和廣度，增強網絡對于水下圖像中目標物種的特征獲取能力，因此進一步地提高了算法的檢測能力。

為了進一步驗證本文提出的YOLO-fish 算法在淺海水下生物目標檢測識別上要優于其他目標檢測算法，將使用同樣的淺海水下生物目標數據集對目前幾種效果較好的目標檢測算法進行對比。

從表4可以看出，不論是“Two-stage”的Faster RCNN還是“One-stage”的SSD、RetinaNet和CenterNet，其對于水下生物目標檢測的精確度和召回率均低于改進模型，且YOLO-fish 在檢測速度方面是前三種方法的3 倍，稍低于CenterNet，但完全能夠達到實時性要求。證明了YOLO-fish 在淺海水下生物目標檢測上有更好的實時檢測效果。

表4 改進的YOLOv3和其他目標檢測算法實驗結果參數Table 4 Improved YOLOv3 and YOLOv3 experimental result parameters

3.4 檢測效果

隨機抽取測試集中的3 張圖片進行檢測，結果如圖12所示。

圖12 YOLOv3（左）和YOLO-fish(右)的檢測結果Fig.12 Detect result of YOLOv3（left）and YOLO-fish（right）

圖12中左側和右側分別為YOLOv3 和YOLO-fish的檢測結果。圖12（a）中，YOLOv3 對因人造光源發生曝光的目標進行檢測時無法檢測出該目標，并錯檢出一個海星，而YOLO-fish 對于該類目標能夠完成檢測，且無錯檢；圖12（b）中，YOLOv3 未檢測出圖中的小魚，而YOLO-fish 完成了檢測；圖12（c）中，YOLOv3 將圖中約螃蟹1/3 的物體錯檢為小魚，并在錯檢了圖中的無目標部分，而YOLO-fish完成了該圖片的檢測任務。

4 結束語

針對目前通用的目標檢測算法對水下生物目標檢測中精度低、易漏檢和錯檢的問題，本文提出改進的YOLOv3水下生物目標檢測識別算法，以完成對水下生物圖像的檢測任務。針對水下光線衰弱嚴重、圖像色彩失真、物體曝光和尺寸差異大等問題，本文在YOLOv3中加入殘差卷積塊注意力模塊和跨階段局部模塊，提出了適合水下生物目標的實時檢測算法（YOLO-fish）。針對水下圖像中物種目標尺寸差異大，且數據集有限的問題，為提高對小目標和過大目標的預測精確度，引入了CIoU 的預測框損失函數進行訓練，有效提高預測框的適應能力并提高預測精確度。實驗結果表明，改進后的YOLOv3在水下魚類目標檢測識別任務中，在不影響檢測實時性的情況下平均精確度比原YOLOv3 網絡提高了11.3個百分點，同時漏檢率和錯檢率降低了37.3個百分點。下一步工作將研究改進型YOLOv3 算法搭載到本實驗室的智能水下機器人進行漁業資源檢測的實際應用，以機器人代替人工進行海洋漁業資源探索作業。

參考文獻：[1] 郭威，張有波，周悅，等.應用于水下機器人的快速深海圖像復原算法[J].光學學報，2022，42（4）：53-67.GUO W，ZHANG Y B，ZHOU Y，et al.Rapid deep-sea image restoration algorithm applied to unmanned underwater vehicles[J].Acta Optica Sinica，2022，42（4）：53-67.

[2] 張立藝，武文紅，牛恒茂，等.深度學習中的安全帽檢測算法應用研究綜述[J].計算機工程與應用，2022，58（16）：1-17.ZHANG L Y，WU W H，NIU H M，et al.Summary of application research on helmet detection algorithm based on deep learning[J].Computer Engineering and Applications，2022，58（16）：1-17.

[3] 周清松，董紹江，羅家元，等.改進YOLOv3 的橋梁表觀病害檢測識別[J].重慶大學學報，2022，45（6）：121-130.ZHOU Q S，DONG S J，LUO J Y，et al.Bridge apparent disease based on improved YOLOv3[J].Journal of Chongqing University，2022，45（6）：121-130.

[4] REN S，HE K，GIRSHICK R，et al.Faster R-CNN：towards real-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，2017，39（6）：1137-1149.

[5] REDMON J，DIVVALA S，GIRSHICK R，et al.You only look once：unified，real-time object detection[C]//IEEE Conference on Computer Vision & Pattern Recognition，2016.

[6] LIU W，ANFUELOY D，ERLAN D，et al.SSD：single shot multibox detector[C]//European Conference on Computer Vision.Cham：Springer，2016：21-37.

[7] REDMON J，FARHADI A.Yolov3：an incremental improvement[J].arXiv：1804.02767，2018.

[8] 袁利毫，昝英飛，鐘聲華，等.基于YOLOv3 的水下小目標自主識別[J].海洋工程裝備與技術，2018，5（S1）：118-123.YUAN L H，ZAN Y F，ZHONG S H，et al.Small under-water target recognition based on YOLOv3[J].Ocean Engineering Equipment and Technology，2018，5（S1）：118-123.

[9] 高英杰.基于“SSD”模型的水下目標檢測網絡設計與實現[J].電子世界，2019（8）：110-111.GAO Y J.Design and implementation of underwater tar get detection network based on SSD model[J].Electronics World，2019（8）：110-111.

[10] 趙德安，劉曉洋，孫月平，等.基于機器視覺的水下河蟹識別方法[J].農業機械學報，2019，50（3）：151-158.ZHAO D A，LIU X Y，SUN Y P，et al.Detection of underwater crabs based on machine vision[J].Transactions of the Chinese Society for Agricultural Machinery，2019，50（3）：151-158.

[11] 劉萍，楊鴻波，宋陽.改進YOLOv3 網絡的海洋生物識別算法[J].計算機應用研究，2020，37（S1）：394-397.LIU P，YANG H B，SONG Y.Improved marine biometrics identification algorithm for YOLOv3 network[J].Application Research of Computers，2020，37（S1）：394-397.

[12] 邢晉超，潘廣貞.改進YOLOv5s的手語識別算法研究[J].計算機工程與應用，2022，58（16）：194-203.XING J C，PAN G Z.Research on improved YOLOv5s sign language recognition algorithm[J].Computer Engineering and Applications，2022，58（16）：194-203.

[13] 董紹江，劉偉，蔡巍巍，等.基于分層精簡雙線性注意力網絡的魚類識別[J].計算機工程與應用，2022，58（5）：186-192.DONG S J，LIU W，CAI W W，et al.Fish recognition based on hierarchical compact bilinear attention network[J].Computer Engineering and Applications，2022，58（5）：186-192.

[14] REZATOFIGHI H，TSOI N，GWAK J Y，et al.Generalized intersection over union：a metric and a loss for bounding box regression[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2019：658-666.

[15] WANG C Y，LIAO H Y M，WU Y H，et al.CSPNet：a new backbone that can enhance learning capability of CNN[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops，2020：390-391.

[16] 農元君，王俊杰.基于嵌入式的遙感目標實時檢測方法[J].光學學報，2021，41（10）：179-186.NONG Y J，WANG J J.Real-time object detection in remote sensing images based on embedded system[J].Acta Optica Sinica，2021，41（10）：179-186.

[17] WOO S，PARK J，LEE J Y，et al.Cbam：convolutional block attention module[C]//Proceedings of the European Conference on Computer Vision（ECCV），2018：3-19.

[18] YU J，JIANG Y，WANG Z，et al.Unitbox：an advanced object detection network[C]//Proceedings of the 24th ACM International Conference on Multimedia，2016：516-520.

[19] PEDERSEN M，BRUSLUND HAURUM J，GADE R，et al.Detection of marine animals in a new underwater dataset with varying visibility[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops，2019：18-26.

[20] ZHOU X，WANG D，KRAHENBUHL P.Objects as points[J].arXiv：1904.07850，2019.