基于轻量级改进的YOLOv8水下目标检测模型

来源：电子测量技术杂志2024年第19期北京时间：

作者：周志耀，马常霞，杨丽莎，仲兆满，胡文彬

单位：江苏海洋大学计算机工程学院 连云港 222006

摘要：在恶劣和多变的水下环境中工作的设备是进行水下研究和开发的基本保障。现阶段的水下目标检测模型参数量和计算量过大，在资源有限的水下设备上部署受限。为解决水下检测模型参数量和计算量过大问题，提出一种轻量级的水下目标检测模型RCE-YOLO。首先，利用RFAConv的空间注意力权重来改进CBS处理接受域信息的能力和提升C2f对空间特征信息融合的能力，增强模型对小密集目标的检出能力。其次，融合CCFM与Dysample模块，该融合模块能够更有效的利用不同尺度信息并通过内部的点采样方法减少原先采样产生的模糊和失真。最后，在SPPF前向传播过程中融合高效多尺度注意力机制，该机制使得模型重点关注水下目标关键信息，降低误检率和错检率。实验结果表明，改进的轻量级模型在数据集DUO上进行验证，mAP50、mAP50:90值分别达到83.6%、64.2%，相较于YOLOv8基准模型mAP50、mAP50:90值分别提升了1.4%、1.2%，参数量和计算量分别下降了32.3%、0.9 G。相较于其他目标检测模型满足了恶劣多变环境下的水下目标检测需求，为水下设备轻量级部署奠定基础。

关键词：水下目标检测;轻量化;RFA卷积模块;CCFM模块;注意力机制

基金资助：国家自然科学基金(72174079)项目资助