摘要： 针对水下侧扫声呐图像对比度低、噪声强度大，现有深度学习方法特征提取能力不足的问题，提出基于PP-YOLOv2引入注意力机制的改进侧扫声呐多目标识别方法。首先，针对侧扫声呐图像信噪比大、不同声呐设备生成的图像大小不一等特点，设计有效的图像预处理方法，包括噪声过滤、图像增强等；其次，基于当前目标检测性能很好的PP-YOLOv2模型设计改进，更换BotNet-dcn为模型主干网络，引入注意力机制提高网络特征提能力；最后，设计新的解耦头替换原耦合检测头，针对侧扫声呐图像的小目标进行精细化预测。结果表明：与原始PP-YOLOv2相比，所提方法在平均识别精度上提升了4.4%；与两种主流的基于卷积神经网络的方法相比，所提方法在平均识别精度上分别提升了4.66%和5.42%，同时在识别效率上分别提升32.4%和27.6%。