融合全局注意力机制的多尺度船舶检测算法

摘要

针对复杂海域航行过程中，仍存在小目标漏检和多目标分类性能不佳的问题，提出一种全局注意力引导的多尺度船舶检测算法，命名为GAG-YOLO。在YOLOv5目标检测网络中引入全局注意力机制（GAM）,以捕捉全局上下文信息，使模型能够更好地辨别船舶目标与复杂背景之间的差异。此外，优化锚框参数以更好地匹配船舶的形状，更准确地定位和识别不同尺度船舶目标。最后，改进YOLOv5网络的损失函数，利用Focal-EIOU聚焦高质量样本，通过分配不同的权重进行更精确的边界框回归。实验结果表明，GAG-YOLO在检测准确性、鲁棒性方面均优于列出的YOLO系列算法，其中平均精度均值m_AP0.5:0.95提高了4.6%。该检测算法在提升整体检测速度的同时，有效降低了漏检与误检率，为复杂海域中的船舶监测提供了更快速且准确的解决方案。

关键词

YOLOv5s / 全局注意力机制 / Focal-EIOU / 锚框优化 / 多尺度船舶检测