模型介绍
中文整理水下目标识别与定位模型库
English
中文
项目概述
本仓库包含一系列用于水下目标识别与定位的深度学习模型,包括专为水下声学场景设计的MCL/MEG系列网络,以及迁移自计算机视觉领域的通用识别模型。这些模型基于声纹识别技术,实现对水下目标的分类与定位,可应用于海洋监测、水下安防等领域。
模型说明
- 专用网络系列(识别+定位)
模型名称 描述 输入特征 功能
- -------- ------ --------- ------
MCL 基础网络,无混合专家模型 GFCC/STFT 识别+定位
MEG 在MCL基础上加入混合专家模型 GFCC/STFT 识别+定位
MEG BLC MEG变体,加入负载均衡机制 GFCC/STFT 识别+定位
MEG MIX MEG变体,多特征混合输入 多种特征融合 识别+定位
- 通用CV网络(仅识别)
迁移自计算机视觉领域的经典模型,适配水下声纹识别任务:
DenseNet121
MobileNetV2
ResNet18
ResNet50
Swin-Transformer
性能指标
Network ACC(%) MAE-R (km) MAE-D (m)
- -------- -------- ------------ -----------
MEG (STFT) 95.93 **0.2011** **20.61**
MCL (STFT) **96.07** 0.2565 27.68
MEG(GFCC) 95.75 **0.1707** **19.43**
MCL(GFCC) **96.10** 0.3384 35.42
densenet121 86.61 - -
resnet18 84.99 - -
mobilenetv2 83.60 - -
resnet50 76.34 - -
swin-transformer 63.08 - -
注:ACC为识别准确率,MAE-R为距离定位平均绝对误差,MAE-D为深度定位平均绝对误差*
使用方法
- 模型下载
可从Hugging Face Hub 或者 魔搭社区 下载各模型权重文件,通过以下链接获取完整项目代码:
Gitee:
GitHub:
- 模型使用
使用超参数--resume指定权重文件所在文件夹即可,默认加载model.pth
- 输入输出
输入:声学特征(GFCC/STFT等)
输出:目标类别、距离估计、深度估计
详细输入输出格式及训练/推理代码请参考项目仓库文档。
引用信息
相关研究论文正在审查中,预计2025年9月发表于MDPI《Remote Sensing》期刊。如使用本项目模型,请引用以下论文(发表后更新):
联系方式
如有问题或合作意向,请联系:[qianp@mail2.sysu.edu.cn]
本项目仅供学术研究使用,商业用途请联系作者获取授权。*
您可以通过如下git clone命令,或者ModelScope SDK来下载模型
SDK下载
git下载
如果您是本模型的贡献者,我们邀请您根据模型贡献文档,及时完善模型卡片内容。
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
资料或下载有问题?
登录后可提交反馈。
