基于GAM-YOLOv8的遥感图像舰船目标跟踪

摘要

针对卫星遥感图像舰船目标追踪和轨迹绘制，提出了一种全局注意力(global attention mechanism, GAM)模块改进YOLO(you only look once)v8算法(GAM-YOLOv8)与DeepSORT算法相结合的方法。在YOLOv8网络结构中加入GAM模块，以提升模型提取卫星遥感图像特征的能力，提高舰船目标追踪的精度和稳定性；实施基于RGB(red, green, blue)-HSV(hue, saturation, value)融合颜色空间转换卷积模块的数据增强技术扩充数据集，帮助模型捕捉更多维度的特征信息，进一步提升识别准确度；利用DeepSORT算法通过结合目标的特征外观和运动信息，增强追踪过程中的稳定性与精度，有效减少身份切换和目标丢失。实验结果表明，本文提出的GAM-YOLOv8与DeepSORT相结合的方法，相较于原始YOLOv8模型，在遥感图像舰船目标检测与跟踪任务中均表现出了显著的性能提升，在准确度、召回率和平均准确率精度上分别提高了7.6%、7.9%和6.0%,在帧率、多目标跟踪准确度和多目标跟踪精确度上分别提升了17.7%、6.9%、1.9%,身份切换次数降低了10.0%。

关键词

卫星遥感 / 深度学习 / 目标跟踪 / YOLOv8