基于YOLOv8的轻量化水下目标检测算法

作     者：梁秀满 赵佳阳 于海峰 LIANG Xiuman;ZHAO Jiayang;YU Haifeng

作者机构：华北理工大学电气工程学院河北唐山063210 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2024年第46卷第9期

页      面：1015-1024页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：河北省自然科学基金资助(D2024209006) 河北省教育厅科学研究项目资助(QN2024147) 

主　　题：YOLOv8 水下目标检测 大可分离核注意力机制 轻量化 多尺度特征融合 

摘      要：针对复杂水下环境导致水下目标检测时出现误检、漏检以及检测效率低等问题,提出了一种改进YOLOv8模型的轻量化水下目标检测算法。首先,为了改善颈部网络特征融合不足的问题,将YOLOv8的颈部网络融合(Bidirectional Feature Pyramid Network,BiFPN)双向特征金字塔结构,提高小目标层的检测效果;其次,针对网络中卷积模块参数量大和计算复杂度高的问题,设计了一种自适应注意力下采样(Adaptive-Attention Down-Sampling,AADS)模块,将主干网络中的卷积模块替换为AADS模块,降低模型参数量和计算量;最后,引入大可分离核注意力机制(Large Separable Kernel Attention,LSKA),强化特征提取能力,使模型能够更精确地关注重要信息,提高目标检测精度。将改进的网络在水下目标检测数据集中进行实验,改进后的算法与YOLOv8相比,平均检测精度提升了1.4%,模型计算复杂度降低了15.9%,模型参数量减少了43.3%,使检测精度和检测速度之间达到了很好的平衡。