融合深度监督与改进YOLOv8的海上目标检测

来源：南京信息工程大学学报·自然科学版杂志2024年第4期北京时间：

作者：张建东

单位：张建东,交通运输部北海航海保障中心 天津通信中心, 天津, 300456

摘要：针对海上目标姿态复杂且尺度多变,导致现有人工智能算法难以稳定检测的问题,提出一种融合深度监督与改进YOLOv8的海上目标检测算法.首先,设计了多尺度卷积模块,提取目标多种感受野的特征信息,减少漏检率;然后,添加深度监督网络,提高网络对深层类别信息及浅层位置信息的利用率,优化主干网络的目标特征提取性能;最后,在网络检测头部分引入通道注意力机制,过滤无关信息,增强对关键特征的识别率.在海上目标数据集中的实验结果表明,改进算法的mAP值达到93.69%,召回率达到85.16%,相比原模型分别提高了7.38、8.52个百分点,且优于对比的经典算法和新颖算法,检测时间约14 ms,满足海上实时目标检测需求,可为航运管理、预防海上事故等提供有效技术参考.

关键词：海上目标;深度学习;深度监督;多尺度卷积;通道注意力机制

基金资助：交通运输部北海航海保障中心项目(2022_9)