基于轻量化YOLOv8n的船舶号灯识别

摘要

为解决船舶号灯目标检测中参数计算量大、背景光线复杂及号灯种类繁多等问题，对YOLOv8n做出了改进，以满足实时准确识别船舶号灯的要求。首先，使用VanillaNet网络作为主干特征提取网络，以降低模型的计算成本，满足实时检测要求；其次，引入颜色注意力模块确定和增强号灯的颜色特征，以提高在复杂光线背景下号灯颜色的识别能力；再次，针对号灯的大小、频率、各视图空间排列等特征，构建MoE-layer模块代替C2f模块，以提高船舶号灯识别的准确性；最后，通过Focal Loss调节对难易分类样本的关注来解决类别不平衡问题，提高模型对号灯目标的检测能力。实验结果表明，相较于原基线YOLOv8n模型，改进后的模型在参数量和计算量分别降低37.7%和52.8%的情况下，精度和mAP@0.5分别提升3.3%和2.2%，达到98.3%和98.7%，可以满足实时准确识别船舶号灯的要求。

关键词

船舶号灯识别 / 目标检测 / VanillaNet / MoE混合专家层模块 / Focal Loss