来源：期刊VIP网 时间：
作者：黄浩;孙瑞;郭威;邵巍;
单位：青岛科技大学自动化与电子工程学院;山东省深空自主着陆技术重点实验室;
摘要：针对复杂环境下远距离小尺度舰船识别易出现漏检、精度低的问题，以YOLOV8n算法为基准模型，提出COS-YOLO算法。设计C2f＿FasterNext模块替换骨干网络中的C2f模块，在提高算法对舰船目标的识别能力的同时，降低算法的参数量与计算量；在算法的颈部网络中融入SSFF模块，使得算法能够捕捉到更多的上下文信息，增强复杂环境下小尺度舰船特征信息的提取能力，从而减少小尺度舰船目标漏检的现象；设计双分支结构目标检测头SMHDet，提高小尺度舰船目标的检测精度；引入SIOU损失函数，结合向量角度惩罚项，降低模型回归自由度，进一步提升模型识别准确度与收敛速度。实验结果表明，相较于原始YOLOV8n算法，COS-YOLO算法的均值平均精度提升7.9%，平均检测率提升4.9%，参数量和计算量分别下降11.3%和11.0%。
关键词：复杂环境;;小尺度;;舰船;;YOLOV8n;;COS-YOLO
基金资助：山东省自然科学基金资助项目（ZR2023MF006）
