基于改进YOLOv5s的水下生物识别算法研究

本研究旨在解决水下生物识别中的低精度和高漏检率问题。我们提出了一种基于改进YOLOv5s的水下生物识别算法YOLOv5s-CE。首先，在水下图像中应用自动色彩均衡算法ACE，提升图像对比度，消除色偏。同时，我们在YOLOv5s网络模型的Backbone部分嵌入CA注意力模块，增强对目标特征的提取能力。我们还改进了损失函数，以保留有利特征并提高收敛速度。实验结果表明，改进后的YOLOv5s-CE平均精度提高了3.9%，能够满足实时水下生物检测的需求。