来源：期刊VIP网 时间：
作者：林志聪;陈舒静;陈积常;
单位：广西大学计算机与电子信息学院;南宁学院信息工程学院;
摘要：针对现有红外船舶检测模型在复杂度、检测速度和识别精度方面尚未满足大部分领域应用需求的问题，在YOLOv8的基础上提出了一种基于集中扩散金字塔网络(Concentrated Diffusion Pyramid Network, CDPNet)的红外船舶检测模型——CDPN-YOLO。为增强对关键信息的表示能力，构建了多尺度感知注意力(Multi-Scale Perceptual Attention, MSPA)模块，并基于此模块重构了C2f;提出了CDPNet以加强特征融合能力；设计共享细节增强卷积检测头(Shared Detail-enhanced Convolutional Detection head, SDCD head),从而实现模型的轻量化处理。在IRAY数据集上的实验结果显示，相较于YOLOv8,CDPN-YOLO模型的检测准确率提高了5.1%,平均精度提升了5.5%,召回率提高了4.3%,参数数量和模型大小分别减少了12.5%和13.3%,检测速度达到了135帧/秒，说明CDPN-YOLO模型在减少模型参数量和大小的同时，成功实现了高速、高精度的船舶检测。
关键词：红外船舶检测;;YOLOv8;;多尺度感知注意力模块;;集中扩散金字塔网络;;共享细节增强卷积检测头
基金资助：国家自然科学基金(12361092);; 南宁学院教授工程项目(2021JSGC01)~~
