来源：期刊VIP网 时间：
作者：麦仁贵;刘雯景;王骥;周涛;刘侦龙;
单位：广东海洋大学数学与计算机学院;广东省智慧海洋传感网及其装备工程技术研究中心;广东海洋大学电子与信息工程学院;
摘要：针对目前海洋牧场区域水下海珍类生物目标检测存在检测精度不高、漏检和误检的问题，本文提出了基于YOLOv8(You only look once v8)模型改进的水下海珍类生物目标检测方法。本文设计了一种新的残差注意力机制，并将其嵌入到YOLOv8模型的主干网络中，增强特征提取过程中对水下目标细节特征的注意力；在颈部网络中引入具有自适应特征融合的双向特征金字塔，更好地融合了深层特征图的强语义信息和浅层特征图的定位信息，突出了目标和环境的差异性。实验表明，改进后的YOLOv8模型的平均精度均值(mAP@0.5)为92.98%,比原YOLOv8模型提高了1.36个百分点，平均精度均值(mAP@0.5∶0.95)为76.71%,比原YOLOv8模型提高了3.7个百分点；与主流的目标检测模型Faster R-CNN、SSD、RetinaNet、YOLOv6和YOLOv7相比，mAP@0.5分别提高了1.57个百分点、1.74个百分点、3.17个百分点、4.68个百分点和1.47个百分点。本文提出的模型在复杂海底环境中检测精度高、稳定性好，可为海洋牧场水下资源的科学管理提供技术支持。
关键词：海珍类生物;;目标检测;;YOLOv8;;残差注意力机制;;双向特征金字塔
基金资助：广东省普通高校重点领域新一代信息技术专项项目(2020ZDZX3008);; 广东省人工智能领域重点专项项目(2019KZDZX1046)资助~~
