改进YOLOv8的轻量级光学遥感图像船舶目标检测算法

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：杨志渊, 罗亮, 吴天阳, 于博向

单位：1.武汉理工大学 三亚科教创新园，海南 三亚 572000；2.高性能船舶技术教育部重点实验室，武汉 430063；3.武汉理工大学 船海与能源动力工程学院，武汉 430063

摘要：针对现有基于深度学习的轻量级目标检测算法，在应用于光学遥感图像船舶目标检测任务时所面临的精度低、检测速度慢的情况，提出一种基于YOLOv8s的轻量级光学遥感图像船舶目标检测算法。引入一种新的轻量级非对称检测头，使模型在复杂背景中更加关注船舶对象；主干网络融合选择注意力模块，通过动态调整特征提取主干的感受野来提高目标检测的性能；引入Slim-FPN的思想来改进颈部，在保持检测精度的同时减少参数数量；设计快速卷积模块FasterConv，基于此重构C2f中的Bottleneck结构，命名为Faster_C2f，增强了网络的特征提取能力。实验结果表明，改进的算法在保证检测速度的同时取得了95.2%的检测精度，比基线模型提高1.4%，每秒检测帧数提高8%，模型参数减少33%，较主流算法在检测效果上有一定的提升。

关键词：YOLOv8,遥感图像,非对称检测头,注意力模块,特征提取