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 YANG Zhiyuan;LUO Liang;WU Tianyang;YU Boxiang

作者机构：武汉理工大学三亚科教创新园海南三亚572000 高性能船舶技术教育部重点实验室武汉430063 武汉理工大学船海与能源动力工程学院武汉430063 

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

年 卷 期：2024年第60卷第16期

页      面：248-257页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(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时所面临的精度低、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,在保持检测精度的同时减少参数数量;设计快速卷积模块FasterConv,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,比基线模型提高1.4%,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。