结合轻量级特征提取网络的舰船目标检测算法

来源：计算机工程与应用杂志2023年第23期北京时间：

作者：李登峰, 高明, 叶文韬

单位：西安工业大学 光电工程学院，西安 710021

摘要：由于海面舰船目标的检测设备受算力和存储空间所限，海面目标难以识别，所以舰船目标检测模型的大小需要轻量，且保持较高检测精度。针对如何平衡模型的大小和检测精度的问题，提出了基于轻量级特征提取网络的舰船目标检测算法。设计轻量级特征提取网络Ghost_ECA，在Ghostbottleneck中融入轻量级注意力机制ECA，模型轻量化的同时提高特征提取能力；用12个桶形排列的Ghost_ECA替换YOLOX的特征提取网络，降低模型的计算量和参数量；更换优化器为Adam，加快了模型的收敛速度；引入Focal loss损失函数，减少正负数据集样本不平衡问题，提高了检测精度。通过舰船数据集的对比实验表明：改进后的YOLOX模型相比于原YOLOX模型，模型的计算量和参数量分别降低27.54%和36.57%，检测精度高达89.86%。

关键词：图像处理,目标检测,YOLOX,注意力机制,轻量化网络