基于YOLOv5s的舰船小目标检测方法研究
师红宇
蔡自桂
杜文
张哲于
西安工程大学计算机科学学院 西安 710048
摘要：海面舰船目标检测容易受陆地、海浪等背景的干扰.针对舰船小目标检测精度低和鲁棒性差的问题,提出一种改进的舰船目标检测模型CWMA-YOLOv5s.首先,设计具有多分支跨层连接的C2f模块丰富多目标舰船梯度流信息.然后,设计并实现了残差多头自注意力融合模块优化特征融合效果.其次,改进Predection网络,设计SCP结构,提高了舰船目标的显著度.最后,引入改进的WIOU损失函数解决CIOU损失函数带来的梯度爆炸和模型提前退化问题.实验结果表明,与YOLOv5s模型相比,该模型在MASATI-v2数据集上,精度提高了13.1%,召回率提高了12.8%,mAP@50提高了6.8%.与其他同类型检测算法相比,该算法拥有更好的学习能力,整体检测精度达到了82.3%,具有较强的鲁棒性.
关键词：舰船检测多头自注意力机制空间上下文金字塔WIOU损失函数
分类号：TP391.4(计算技术、计算机技术)
资助基金：陕西省重点研发计划项目(2022GY-058)西安市科技创新人才服务企业项目(2020KJRC0022)
论文发表日期：2025-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 34-38,73 )
英文信息