1. 项目背景与核心价值
在计算机视觉领域,海洋生物监测一直是个充满挑战的课题。去年参与某海洋生态研究项目时,我们团队需要从数千小时的水下视频中统计长须鲸的出现频率和活动轨迹。传统人工标注方式效率极低——1小时视频需要3名专业人员花费8小时才能完成初步筛查。这种低效模式直接催生了我们对高性能长须鲸检测方案的需求。
YOLOv5作为当前最成熟的实时检测框架之一,其官方模型在COCO数据集上mAP@0.5可达0.65以上。但当我们将其直接应用于水下拍摄的长须鲸影像时,性能骤降至0.3左右。分析发现主要存在三个痛点:(1)水下环境的光学畸变导致特征模糊;(2)鲸类目标具有显著的非刚性形变特性;(3)同类生物间的遮挡问题严重。这促使我们基于YOLOv5s架构进行针对性改进,最终形成这套YOLO13-C3k2-OREPA改进方案。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 模型架构改进详解
2.1 主干网络优化策略
原始YOLOv5s的Backbone采用CSPDarknet53结构,其3×3标准卷积对水下图像的散射噪声较为敏感。我们引入以下改进:
- C3k2模块:将原C3模块中的标准卷积替换为k=2的深度可分离卷积(DepthwiseConv)。具体实现时,每个C3k2单元包含:
python复制class C3k2(nn.Module): def __init__(self, c1, c2, n=1, shortcut=True): super().__init__() self.cv1 = Conv(c1, c2, 1, 1) self.cv2 = Conv(c1, c2, 1, 1) self.m = nn.Sequential( *[Bottleneck_k2(c2, c2, shortcut) for _ in range(n)]) class Bottleneck_k2(nn.Module): def __init__(self, c1, c2, shortcut=True): super().__init__() sel
