多级特征筛选和任务动态对齐的声呐图像小目标检测

针对声呐图像中小目标检测难度大、精度低、容易出现错检漏检的问题,本文提出一种基于YOLOv8s的声呐图像小目标检测改进算法。首先,考虑到声呐图像中的小目标通常具有低对比度且易被噪声淹没,提出了高效多级筛选特征金字塔网络(EMS-FPN)。其次,由于解耦头的分类分支和定位分支是独立的,会增加模型的参数量,同时难以有效地适应不同尺度目标的检测需求,导致对于小目标的检测效果不佳,设计了任务动态对齐检测头模块(TDADH)。最后为了验证本文模型的有效性,在URPC2021和SCTD扩充声呐数据集上进行了相应的验证,mAP0.5较YOLOv8s分别提高了0.3%和1.8%,参数量降低了22.5%。结果表明,本文提出的方法在声呐图像目标检测任务中不仅提高了精度,还显著降低了模型参数量。