基于改进YOLO11的水下目标检测模型

来源：电子测量技术杂志2025年第15期北京时间：

作者：方侦波，高向阳，张锲石，程俊，杨梦杰

单位：1.桂林理工大学广西高校先进制造与自动化技术重点实验室 桂林 541006;2.桂林理工大学机械与控制工程学院 桂林 541006;3.中国科学院深圳先进技术研究院 深圳 518055;4.盛云科技有限公司 昆明 650000

摘要：在复杂的水下环境中，针对传统YOLO目标检测方法检测性能差等问题，提出一种基于改进YOLO11的水下目标检测模型。首先，通过引入上下文引导模块CGBD，采用多尺度特征提取器增强网络捕获能力；其次，为解决网络中特征冗余导致参数量过大的问题，设计轻量化高效聚合模块RGCSPELAN为模型减负；针对原有检测头定位识别能力不足且计算成本较高的问题，通过融合重参数化策略与细节增强卷积构建轻量高效的DEC-Head检测头。此外采用Wise-Inner-MPD损失函数提升模型的泛化能力并加速收敛。在URPC数据集中的实验结果表明，相较于基准模型YOLO11，本文提出的方法在mAP50和mAP50-90平均精度均值上分别提升了2.4%和2.1%。并且在RUOD数据集的实验结果中，本文所改进模型平均精度均值mAP50相比YOLO11提升了1.3%，召回率R提升了1.5%，较其他主流检测方法能够展现出更优的水下目标检测性能。

关键词：上下文引导;轻量化高效聚合;检测头;损失函数

基金资助：国家自然科学基金-联合基金项目(U21A20487)、云南省科技人才与平台计划(院士专家工作站)（202305AF150152）、深圳市科技计划科技重大专项(KJZD20240903100000001)资助