基于幽灵卷积多尺度特征融合的船舶检测算法

来源：计算机测量与控制杂志2026年第3期北京时间：

作者：鲜润东,黄可逸,唐立军

单位：长沙理工大学物理与电子科学学院

摘要：如今船舶目标检测技术在不断发展，但在雾天、雨天和雪天等恶劣天气条件下，船舶目标的可见度低，导致模型特征提取不全面，检测性能会显著下降。针对以上问题，提出了一种轻量化目标检测模型GSPN-YOLO。该模型基于YOLOv8s架构，在主干网络采用幽灵卷积替换普通卷积，使用GhostNCSP模块替代C2f模块，降低计算量的同时提高网络精度。在颈部网络设计了通道重排多尺度特征金字塔，显著提升了多尺度特征的表征能力。经实验测试，GSPN-YOLO在自制数据集上，相较于基准模型YOLOv8s，其AP@50:95提升了2.1%，AP@50提升了2.7%，AP@75提升了2.5%，同时参数量减少了45.5%。此外，其检测性能优于YOLOv10s、YOLOv11s等SOTA目标检测算法，满足了在复杂天气条件下船舶检测的应用需求。

关键词：船舶检测;特征金字塔;轻量化模型;多尺度增强;恶劣天气

基金资助：长沙理工大学专业硕士研究生“实践创新与创业能力提升计划”项目,CLSJCS24078。