改进YOLOv8的轻量级光学遥感图像船舶目标检测算法

作     者：杨志渊 罗亮 吴天阳 于博向 

作者机构：高性能船舶技术教育部重点实验室 武汉理工大学三亚科教创新园 武汉理工大学船海与能源动力工程学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年

学科分类：11[军事学] 0810[工学-信息与通信工程] 08[工学] 081105[工学-导航、制导与控制] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 1109[军事学-军事装备学] 

基　　金：国家自然科学基金项目(52101368) 

主　　题：YOLOv8 遥感图像 非对称检测头 注意力模块 特征提取 

摘      要：针对现有基于深度学习的轻量级目标检测算法在应用于光学遥感图像船舶目标检测任务所面临的精度低、检测速度慢的情况，提出一种基于YOLOv8s的轻量级光学遥感图像船舶目标检测算法。引入了一种新的轻量级非对称检测头，使模型在复杂背景中更加关注船舶对象；主干网络融合选择注意力模块，通过动态调整特征提取主干的感受野来提高目标检测的性能；引入Slim-FPN的思想来改进颈部部分，在保持检测精度的同时减少参数数量；设计一个名为快速卷积模块FasterConv的新模块，基于此重构C2f中的Bottleneck结构，命名为Faster＿C2f，增强了网络的特征提取能力。实验结果表明，改进的算法在保证检测速度的同时取得了95.2%的检测精度，比基线模型高1.3%，每秒检测帧数提高8%，模型参数减少33%，较主流算法在检测效果上有一定的提升。