-
题名改进YOLOv8的恶劣天气下船舶目标检测算法研究
- 1
-
-
作者
李纯杰
蔡易南
胡杰
詹炜
-
机构
长江大学计算机科学学院
-
出处
《现代电子技术》
北大核心
2025年第12期77-82,共6页
-
基金
智能地学信息处理湖北省重点实验室开放基金(KLIGIP-2021A07)
中国高校产学研创新基金省部级纵向(2020ITA03012)。
-
文摘
针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信息;同时引入聚核初始网络(PKINet)以及上下文锚点注意力模块(CAA)改进C2f,来增强中心区域的特征;最后采用深度可分离卷积取代骨干网络中的普通卷积,减少模型参数量和计算量。实验结果表明,在雨、雪、雾的天气条件下,与传统的YOLOv8n相比,改进算法的精确率提高了0.5%,召回率提升了3.4%,F1分数提升了2%,mAP@0.5提升了1.2%,平均精度均值达到97.5%,有效提高了内河航道恶劣天气下过往船只的识别精度,具备较强的鲁棒性。
-
关键词
船舶检测
YOLOv8算法
恶劣天气
聚核初始网络
上下文锚点注意力模块
特征识别
-
Keywords
ship inspection
YOLOv8 algorithm
bad weather
PKINet
context anchor attention module
feature recognition
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
