基于改進YOLOv5_OBB的中華絨螯蟹旋轉(zhuǎn)目標(biāo)檢測

袁紅春, 白寶來, 陶 磊

(上海海洋大學(xué)信息學(xué)院,上海 201306)

中華絨螯蟹(Eriocheirsinernsis),俗稱河蟹、毛蟹或大閘蟹,是我國特有的水產(chǎn)珍品,具有極高的經(jīng)濟及醫(yī)用價值[1]。由于缺乏規(guī)范化、標(biāo)準(zhǔn)化管理措施,目前我國中華絨螯蟹養(yǎng)殖的自動化程度低[2]。通過目標(biāo)檢測方法精確地檢測與定位中華絨螯蟹,可以為精確投放餌料、質(zhì)量估計、形態(tài)學(xué)分析和行為分析等提供指導(dǎo)方案,實現(xiàn)自動化養(yǎng)殖。Faster RCNN[3]、YOLO系列[4-7]和FCOS[8]檢測方法是通過水平檢測框來定位目標(biāo),檢測精度高,但不適用于中華絨螯蟹目標(biāo)檢測。由于中華絨螯蟹的活動方向是任意的,水平檢測框會造成目標(biāo)范圍不準(zhǔn)確(包含大量背景區(qū)域),且中華絨螯蟹在攝食、避險等情況下水平檢測框之間會出現(xiàn)強烈重疊,從而降低檢測精度,無法獲得目標(biāo)運動方向的信息[9]。使用具有角度信息的旋轉(zhuǎn)目標(biāo)檢測方法可以克服水平檢測框定位目標(biāo)檢測方法的局限性,例如:Yang et al[10]在Faster RCNN基礎(chǔ)上添加一個角度預(yù)測分支構(gòu)成旋轉(zhuǎn)區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(rotational region CNN,R2CNN)模型,但該模型存在檢測速度慢、角度回歸不準(zhǔn)確等問題;Xu et al[11]采用一種新的旋轉(zhuǎn)框表示方法建立旋轉(zhuǎn)目標(biāo)檢測(gliding vertex )模型,但這一模型存在檢測框預(yù)測不準(zhǔn)確、檢測速度慢等問題;Yang et al[12]采用從粗粒度到細粒度逐步回歸的方法(R3Det)來快速、準(zhǔn)確地檢測目標(biāo),但該方法存在訓(xùn)練速度慢等問題;Zhou et al[13]通過在模型中使用極坐標(biāo)系建立一種無錨框的旋轉(zhuǎn)檢測方法(rotation-equivariant detector, P-RSDet),但檢測精度不高。由此可知,現(xiàn)有的旋轉(zhuǎn)目標(biāo)檢測方法難以同時兼顧檢測精度、訓(xùn)練速度和檢測速度。……