Ship-YOLOv8:一种轻量级高分辨遥感图像船舶细粒度检测算法

针对高分辨率影像的船舶细粒度目标检测分类任务中类内差异大、类间相似性高、物体和场景的尺度变化范围大、特征提取困难、样本小等特点,提出了一种基于YOLOv8为基础的改进算法。首先,在骨干网络中引入SimAM注意力机制,使得模型在复杂背景中更加聚焦船舶对象;其次,在颈部引入SPD-Conv模块,改善复杂背景下船舶尺度变化大和小目标检测的问题;最后针对细粒度船舶目标检测的特点,替换Mish激活函数和Focal-Loss损失函数,加快模型收敛,提高模型精度。经对比实验可知,改进的算法在保证检测速度和模型参数量的同时,在FAIR1M_Ship数据集取得了94.49%的检测精度,与目前流行的目标检测算法相比,在检测精度上有一定的提升。