融合全局注意力机制的多尺度船舶检测算法
黄媛1
曹明华1
吕志胜2
张凌雲1
封斌2
1.兰州理工大学计算机与通信学院,甘肃兰州 7300502.广东航海学院信息与通信工程学院,广东 广州 510725
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mAP0.5∶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
分类号：U675.7(水路运输)TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(62265010)广东省企业科技特派员项目(GDKTP2021041300)
论文发表日期：2025-12-31
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：11( 853-863 )
英文信息