改进YOLOv8的水面红外目标识别方法研究

刘建华; 朱梦琳; 尹泉贺

doi:10.16339/j.cnki.jsjsyzdh.202601014

计算技术与自动化 ›› 2026, Vol. 45 ›› Issue (1) : 92 -96. DOI: 10.16339/j.cnki.jsjsyzdh.202601014

改进YOLOv8的水面红外目标识别方法研究

刘建华, 朱梦琳, 尹泉贺

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对红外船舶图像目标识别任务中，因存在不同尺度大小的红外图像目标且噪声干扰大导致特征信息丢失漏检误检率高的挑战，提出了一种基于YOLOv8的船舶目标识别算法CL＿YOLOv8。首先，针对输入的船舶数据经过逐层的特征提取和空间变换后丢失大量信息的问题，设计可编程梯度信息结构CbPGI，使模型获得可靠的梯度信息来更新网络权重，提高检测精度。其次，针对CbPGI模块使模型计算复杂度、参数量增加的问题，引入高速推理卷积PartialConv，构建LWPC结构。该结构只在输入通道的一部分上应用常规卷积进行空间特征提取并融合，减轻模型存储需求。构建LWPC结构使算法计算复杂度下降了31.3%，模型参数量也下降了22.8%。相同实验条件下，CL＿YOLOv8算法在自建的船舶数据集上检测精度mAP50达到91.0%，相较于基线模型提升了3.05%。