水下目标识别与定位模型库
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
1. 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 |
2. 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
1. 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:
2. 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
python train_mtl.py --features stft --task_type mtl --resume './models/meg(stft)'
3. 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）：
@article{uwtrl2025,
title={Multi-Task Mixture-of-Experts Model for Underwater Target Localization and Recognition},
author={Peng Qian, Jingyi Wang, Yining Liu, Yingxuan Chen, Pengjiu Wang, Yanfa Deng, Peng Xiao* and Zhenglin Li},
journal={Remote Sensing},
year={2025},
publisher={MDPI}
}
联系方式
如有问题或合作意向，请联系：[[email protected]]
本项目仅供学术研究使用，商业用途请联系作者获取授权。