基于改进YOLOv8算法的复杂场景船舶目标检测

摘要

为了提高复杂场景下船舶目标检测的精度和鲁棒性，基于YOLOv8算法进行模型改进.在骨干层引入CD3模块并嵌入无参注意力SimAM模块；在颈部层引入注意力尺度序列融合ASF（attention-based scale sequence fusion）模块；在头部层增加了检测头用于预测输出；采用剪枝降低模型计算量；最后使用蒸馏进一步提升模型性能.实验在阿里天池官网提供的复杂场景船舶检测数据集上进行验证，结果表明，改进后模型的AP₅₀和AP相比于YOLOv8分别提升4.7%和2.9%，召回率和精确率分别提升3.2%和4.2%，而模型参数量减少56.1%，计算量降低30.5%.改进后的模型在减少参数量的同时，提升了总体性能.

关键词

YOLOv8算法 / CD3 / ASF-YOLO / SimAM / 剪枝蒸馏