基于改进YYOOLLOOvv 5的轻量级船舶目标检测算法.pdfVIP

基于改进YOLOvYOLOv55的轻量级船舶目标检测算法

摘要：针对海上船舶目标检测准确率不高的问题，提出一种基于改进YOLOv5的轻量级船舶目标检测算法

YOLOShip。首先将空洞卷积与通道注意力（CA）引入空间金字塔快速池化（SPPF）模块，以融合不同尺度的空间特征

细节信息，强化语义信息，提升区分前景与背景的能力；其次将协同注意力与轻量化的混合深度卷积引入特征金字塔

网络（FPN）和路径聚合网络（PAN）结构中，以强化网络中的重要特征，获取含有更多细节信息的特征，并提升模型检

测能力及定位精度；然后考虑到数据集中目标分布不均匀及尺度变化相对较小的特点，在修改锚框，减少检测头数量

以精简模型的同时进一步提升模型性能；最后，引入更加灵活的多项式损失（PolyLoss）以优化二元交叉熵损失（BCE

Loss），提升模型收敛速度及模型精度。在SeaShips数据集上的实验结果表明，相较于YOLOv5s，YOLOShip的精确率、

召回率、mAP0.5与mAP0.5：0.95分别提升4.2、5.7、4.6和8.5个百分点，能在满足检测速度要求的同时得到更优

的检测精度，有效地实现了高速、高精度的船舶检测。

关键词：船舶检测；YOLOv5；注意力机制；空洞卷积；混合深度卷积

LightweightshiptargetdetectionalgorithmbasedonimprovedYOLOv5

Abstract:Aimingattheproblemoflowaccuracyofshiptargetdetectionatsea，alightweightshiptargetdetection

algorithmYOLOShipwasproposedonthebasisoftheimprovedYOLOv5.Firstly，dilatedconvolutionandchannelattention

wereintroducedintoSpatialPyramidPooling-Fast（SPPF）module，whichintegratedspatialfeaturedetailsofdifferent

scales，strengthenedsemanticinformation，andimprovedthemodel’sabilitytodistinguishforegroundandbackground.

Secondly，coordinateattentionandlightweightmixeddepthwiseconvolutionwereintroducedintoFeaturePyramidNetwork

（FPN）andPathAggregationNetwork（PAN）structurestostrengthenimportantfeaturesinthenetwork，obtainfeatureswith

moredetailedinformation，andimprovemodeldetectionabilityandpositioningprecision.Thirdly，consideringtheuneven

distributionandrelativelysmallscalechangesoftargetsinthedataset，themodelperformancewasfurtherimprovedwhile

themodelwassimplifiedbymodifyingtheanchorsanddecreasingthenumberofdetectionheads.Finally，amoreflexible

PolynomialLoss（PolyLo