计算机工程

作者：马淦, 谷雨, 彭冬亮

单位：杭州电子科技大学自动化学院, 浙江 杭州 310018

关键词：舰船检测,数据增强,多尺度特征,小目标检测,注意力机制

基金：浙江省自然科学基金(LY21F030010); 浙江省自然科学基金(LZ23F030002)

海面成像过程易受天气、光照、水雾等因素的影响，针对海面舰船检测过程中的小目标模糊、目标尺度差异大、类别不均衡等问题，设计一种动态“复制-粘贴”的数据增强方式，将其嵌入到YOLOv5框架，提出了一种改进YOLOv5s的海面目标检测算法。在主干网络中，设计浅层局部感知模块，混合空洞卷积、深度可分离卷积与残差连接支路以并联的方式提升模块感受野，加强提取局部细节信息的能力；在颈部网络中，设计了注意力融合模块，利用空间注意力机制与通道注意力机制，聚合浅层空间信息与深层语义信息，提高网络特征表达能力；在检测输出中，通过对其相邻的浅层检测头特征进行下采样与融合，设计了层级融合解耦头，提升了目标分类与定位精度。动态“复制-粘贴”数据增强策略从训练集图像中裁剪目标，存入目标样本库，在每个训练轮次中，根据目标分布的概率，从样本库中随机选取目标，进行一定比例的几何与光度变换后，随机粘贴至训练图像中，从而提升前景目标密度。在SMD-Plus数据集上的实验结果表明，所提算法的mAP@0.5、mAP@0.5 ∶0.95与YOLOv5s模型相比分别提升了6.7和5.2百分点。在WSODD数据集上开展迁移实验，所提算法的mAP@0.5、mAP@0.5 ∶0.95与YOLOv5s模型相比分别提升3.7和3.3百分点。改进后的算法与提出的动态数据增强方法能有效缓解类别与尺寸不均衡问题，提高小目标检测精度，适用于海面场景下的舰船检测任务。

来源：2025年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第9期