基于改进SOLOv2算法的海滩影像水边线提取研究

作     者：庞坤 朱君 王楠 孔腾飞 戚洪帅 雷刚 尹航 刘根 PANG Kun;ZHU Jun;WANG Nan;KONG Tengfei;QI Hongshuai;LEI Gang;YIN Hang;LIU Gen

作者机构：鲁东大学海岸研究所山东烟台264025 自然资源部海洋生态保护与修复重点实验室/福建省海洋生态保护与修复重点实验室福建厦门361005 中国海洋大学海洋与大气学院山东青岛266100 

出 版 物：《海洋环境科学》 (Marine Environmental Science)

年 卷 期：2025年第44卷第1期

页      面：145-151页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(42006176) 烟台市科技创新发展计划基础研究重点项目(2022JCYJ028) 自然资源部海洋生态保护与修复重点实验室/福建省海洋生态保护与修复重点实验室开放基金课题(EPR2023007) 

主　　题：海滩水边线 水边线提取 实例分割 SOLOv2 

摘      要：海滩水边线的提取是海洋科学和海岸工程领域的一项重要研究任务。为缓解传统方法在处理该任务时存在的噪声敏感、阈值不稳定、需手动调参等问题,本文对影像数据进行了极值预处理,并提出了基于可变形卷积的改进SOLOv2水边线提取算法。本文探讨了特征提取网络深度和可变形卷积(DCN)应用层数对算法精度与速度的影响。随着特征提取网络深度的增加,水边线提取算法的精度逐渐提高,但速度明显降低,实际特征提取网络深度以50为宜;随着DCN应用层数的增加,水边线提取算法的精度呈先增加后减小的趋势,实际应用层数以2为宜;相较于原始SOLOv2算法,改进SOLOv2算法在平均精度(average precision,AP)和平均交并比(intersection over union,IoU)上的性能分别提升了1.7%和0.1%。此外,通过将算法权重由单精度转换为半精度,进一步提升了算法的推理速度。