复杂场景下自适应特征融合的多尺度船舶检测.pdfVIP

复杂场景下自适应特征融合的多尺度船舶检测

摘要：受台风、大雾、雨雪等复杂天气以及遮挡、尺度变化等影响，现有船舶检测方法存在误检和漏检问题。针

对上述复杂场景问题，在YOLOX-S模型的基础上，提出一种自适应特征融合的多尺度船舶检测方法。首先，在主干特

征提取网络中引入特征增强模块，抑制复杂背景噪声对船舶特征提取的干扰；其次，考虑深浅层次特征融合比例问

题，设计自适应特征融合模块，充分利用深浅层次特征，提高模型的多尺度船舶检测能力；最后，在检测头网络，将检

测头解耦，并引入自适应的多任务损失函数，平衡分类任务和回归任务，提高船舶检测的鲁棒性。实验结果显示，所

提方法在公开船舶检测数据集SeaShips和McShips上的检测平均精度均值（mAP）分别达到了97.43%和96.10%，检

测速度达到每秒189帧，满足实时检测的要求，验证了所提方法在复杂场景下仍能对多尺度船舶目标实现高精度

检测。

关键词：多尺度船舶检测；YOLOX；自适应特征融合；特征增强；多任务损失函数

Multi-scaleshipdetectionbasedonadaptivefeaturefusionincomplexscenes

Abstract:Undertheinfluenceofcomplexweathersuchastyphoon，heavyfog，rainandsnow，aswellasocclusions

andscalechanges，theexistingshipdetectionmethodshavetheproblemsoffalsedetectionandmisseddetection.Inorderto

solvetheabovecomplexsceneproblems，basedonYOLOX-Smodel，amulti-scaleshipdetectionmethodbasedonadaptive

featurefusionwasproposed.Firstly，afeatureaugmentationmodulewasintroducedintothebackbonefeatureextraction

networktosuppresstheinterferenceofcomplexbackgroundnoiseonshipfeatureextraction.Then，consideringtheproblem

ofdeepandshallowfeaturefusionproportion，anadaptivefeaturefusionmodulewasdesignedtomakefulluseofdeepand

shallowfeatures，therebyimprovingthemulti-scaleshipdetectionabilityofthemodel.Finally，inthedetectionhead

network，thedetectionheadwasdecoupledandanadaptivemulti-tasklossfunctionwasintroducedtobalanceclassification

tasksandregressiontasks，therebyimprovingthemulti-scaleshipdetectionrobustnessofthemodel.Experimentalresults

showthatthedetectionmeanAveragePrecision（mAP）oftheproposedmethodonthepublicshipdetectiondatasets

SeaShipsandMcShipsi