改进YOLOX在近岸船舶检测中的应用.pdfVIP

第４５卷第１期计量学报Ｖｏｌ．４５，№１

２０２４年１月ＡＣＴＡＭＥＴＲＯＬＯＧＩＣＡＳＩＮＩＣＡＪａｎｕａｒｙ，２０２４

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１１５８．２０２４．０１．０５

改进ＹＯＬＯＸ在近岸船舶检测中的应用

张立国，赵嘉士，金梅，曾欣，沈明浩

（燕山大学电气工程学院，河北秦皇岛０６６００４）

摘要：为了解决近岸船舶检测时目标尺度变化大，环境干扰严重等问题，提出了一种改进ＹＯＬＯＸ的无锚框检

测算法。首先，在主干网络中引入ＣｏＴ模块，通过动态利用上下文信息来增强表达能力，降低环境干扰的影响；其

次，将ＳｉｍＡＭ注意力嵌在特征金字塔和检测头之间，丰富语义信息，提升小目标检测精度。再利用ＣＩＯＵ来取代原

有损失函数，以提高收敛速度；最后，使用深度可分离卷积替换特征金字塔中普通卷积，减少参数量，提升检测速

度。实验结果表明：在ＳｅａＳｈｉｐｓ数据集上，改进后模型在减少参数量的同时，精度提高了６７３％，均值平均精度

（ｍＡＰ）达到了９６６３％，检测速度达到了４８６帧／ｓ，能够实时、高精度地检测近岸船舶。

关键词：视觉检测；船舶目标；深度学习；ＹＯＬＯＸ；ＣｏＴ模块；ＳｉｍＡＭ注意力

中图分类号：ＴＢ９６文献标识码：Ａ文章编号：１０００１１５８（２０２４）０１００３００８

ＡｐｐｌｉｃａｔｉｏｎｏｆＩｍｐｒｏｖｅｄＹＯＬＯＸｉｎＩｎｓｈｏｒｅＳｈｉｐＩｎｓｐｅｃｔｉｏｎ

ＺＨＡＮＧＬｉｇｕｏ，ＺＨＡＯＪｉａｓｈｉ，ＪＩＮＭｅｉ，ＺＥＮＧＸｉｎ，ＳＨＥＮＭｉｎｇｈａｏ

（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ０６６００４，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｌａｒｇｅｃｈａｎｇｅｓｉｎｔａｒｇｅｔｓｃａｌｅａｎｄｓｅｒｉｏｕｓｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｔｅｒｆｅｒｅｎｃｅｄｕｒｉｎｇ

ｎｅａｒｓｈｏｒｅｓｈｉｐｄｅｔｅｃｔｉｏｎ，ａｎｉｍｐｒｏｖｅｄａｎｃｈｏｒｌｅｓｓｆｒａｍｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｏｆＹＯＬＯＸｉｓｐｒｏｐｏｓｅｄＦｉｒｓｔｌｙ，ｔｈｅｃｏｎｔｅｘｔｕａｌ

ｔｒａｎｓｆｏｒｍｅｒ（ＣｏＴ）ｍｏｄｕｌｅｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｂａｃｋｂｏｎｅｎｅｔｗｏｒｋｔｏｅｎｈａｎｃｅｔｈｅｅｘｐｒｅｓｓｉｏｎｃａｐａｂｉｌｉｔｙａｎｄｉｍｐｒｏｖｅｔｈｅ

ｐｒｏｂｌｅｍｏｆｓｅｖｅｒｅｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｔｅｒｆｅｒｅｎｃｅｂｙｄｙｎａｍｉｃａｌｌｙｕｓｉｎｇｃｏｎｔｅｘｔｕａｌｉｎｆｏｒｍａｔｉｏｎＳｅｃｏｎｄｌｙ，ＳｉｍＡＭａｔｔｅｎｔｉｏｎｉｓ

ｅｍｂｅｄｄｅｄｂｅｔｗｅｅｎｔｈｅｆｅａｔｕｒｅｐｙｒａｍｉｄａｎｄｄｅｔｅｃｔｉｏｎｈｅａｄｔｏｅｎｒｉｃｈｓｅｍａｎｔｉｃｉｎｆｏｒｍａｔｉｏｎａｎｄｉｍｐｒｏｖｅｓｍａｌｌｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ

ａｃｃｕｒａｃｙ．Ｆｕｒｔｈｅｒｌｙ，ＣＩＯＵｉｓｕｓｅｄｔｏｒｅｐｌａｃｅｔｈｅｏｒｉｇｉｎａｌｌｏｓｓｆｕｎｃｔｉｏｎｔｏｉｍｐｒｏｖｅｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅ

ｄｅｐｔｈｓｅｐａｒａｂｌｅｃｏｎｖｏｌｕｔｉｏｎｉｓｕｓｅｄｔｏｒｅｐｌａｃｅｔｈｅｏｒｄｉｎａｒｙｃｏｎｖｏｌｕｔｉｏｎｉｎｔｈｅｆｅａｔｕｒｅｐｙｒａｍｉｄｔｏｒｅｄｕｃｅｔｈｅｎｕｍｂｅｒｏｆ

ｐａｒａｍｅｔｅｒｓａｎｄｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｎｔｈｅＳｅａＳｈｉｐｓｄａｔａｓｅｔ，ｔｈｅｉｍｐｒｏｖｅｄ

ｍｏｄｅｌｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｂｙ６７３％，ｍＡＰｒｅａｃｈｅｓ９６６３％，ａｎｄｄｅｔｅｃｔｉｏｎｓｐｅｅｄｒｅａｃｈｅｓ４８６ｆｒａｍｅｓｐｅｒｓｅｃｏｎｄ