来源：期刊VIP网 时间：
作者：李纯杰;蔡易南;胡杰;詹炜;
单位：长江大学计算机科学学院;
摘要：针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题，提出一种基于YOLOv8的航道船舶目标检测方法，即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络，融合YOLOv9中的ADown模块，使每个尺度的特征保留更多的上下文信息；同时引入聚核初始网络（PKINet）以及上下文锚点注意力模块（CAA）改进C2f，来增强中心区域的特征；最后采用深度可分离卷积取代骨干网络中的普通卷积，减少模型参数量和计算量。实验结果表明，在雨、雪、雾的天气条件下，与传统的YOLOv8n相比，改进算法的精确率提高了0.5%，召回率提升了3.4%,F1分数提升了2%,mAP@0.5提升了1.2%，平均精度均值达到97.5%，有效提高了内河航道恶劣天气下过往船只的识别精度，具备较强的鲁棒性。
关键词：船舶检测;;YOLOv8算法;;恶劣天气;;聚核初始网络;;上下文锚点注意力模块;;特征识别
基金资助：智能地学信息处理湖北省重点实验室开放基金（KLIGIP-2021A07）;; 中国高校产学研创新基金省部级纵向（2020ITA03012）
