基于多尺度特征的RAMW-YOLOv8船舶目标检测算法

来源：电子测量技术杂志2026年第8期北京时间：

作者：高涵，曹阳，沈琴琴，包银鑫，施佺

单位：南通大学交通与土木工程学院 南通 226019

摘要：YOLOv8算法具有高效的推理速度和卓越的检测性能，被广泛应用于各类目标检测，然而在面对船舶图像中的小目标检测和复杂背景干扰时，常出现漏检、误检等问题，为此提出了一种基于多尺度特征的RAMW-YOLOv8目标检测算法。在C2f模块中增加一层卷积操作以及残差结构，并引入坐标注意力机制，构建了C3Res_CA模块以增强对复杂背景图像中细微特征提取和背景噪声抑制的能力；将多尺度特征提取融入SPPF模块，并引入平均池化层和自适应池化操作构建SPPF_AuxPool模块，增强算法挖掘不同特征类型的能力；针对船舶图像中小目标密集容易干扰判断的问题，添加小目标检测层MicroDetect，通过多尺度特征融合和精细化的特征提取策略增强对小尺寸目标的检测能力；为减少低质量样本对算法精度的影响，引入WIoU损失函数以增加算法的收敛速度，以及在复杂场景下的鲁棒性和稳定性。在公开数据集HRSID上进行实验，结果表明RAMW-YOLOv8算法在精确率、召回率以及两种不同指标的平均精度均值上较原始算法分别提高了1%、3.6%、3.1%和3.2%，且检测效果明显优于其他经典算法。

关键词：船舶目标;YOLOv8;坐标注意力机制;多尺度特征;小目标检测

基金资助：国家自然科学基金面上项目（62476145）、南通市自然科学基金青年基金（JC2024043）项目资助