融合Transformer注意力的舰船要害部位检测

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：高兵, 祝宇鸿

单位：吉林大学 通信工程学院，长春 130000

摘要：针对舰船及要害部位检测任务的需求，设计了SEC-YOLOv5（Swin Transformer C3EE CBAM-YOLOv5）舰船及要害部位检测算法。SEC-YOLOv5算法利用Swin Transformer改进网络主干部分C3模块，增强模型对语义特征的提取能力，提升要害部位小目标的识别精度；使用CBAM注意力机制加权有效特征信息，提升特征信息利用率；设计C3EE（C3 easy effect）模块替换瓶颈层所有C3模块，扩大模型感受野，丰富模型的梯度信息流。基于RS-ship数据集验证所提算法，以原YOLOv5算法为基准进行逐模块的消融对比实验，实验结果表明，SEC-YOLOv5算法在增加少量参数量的前提下，将平均精度值mAP@0.5提高5个百分点。

关键词：Swin Transfomer,舰船检测,卷积神经网络,深度学习