来源：期刊VIP网 时间：
作者：吴天翊;潘胜达;安博文;
单位：上海海事大学信息工程学院;
摘要：[目的]针对无人机航拍船舶检测中存在的尺度多样性、低层次特征不足及设备性能限制问题，提出一种基于部分卷积的轻量化Bar YOLO算法。[方法]该算法在首层C2f结构中整合了BMA多尺度注意力模块，提升了对大型船舶的检测精度。通过并行的Par Bot模块替换主干网络的其余C2f模块，提升了特征提取效率。在颈部网络的C2f中采用部分卷积（PConv）技术，实现了模型的轻量化，并使用WIo Uv3加速模型收敛。[结果]在自制数据集M100ship上，改进算法的P_(A,m,50)和P_(A,m,50～95)分别提升了2.3%和0.9%，模型计算复杂度（GFLOPS）从8.1降至7.2，帧率（FPS）从91.8增至99.8，且在其他数据集上也展现出良好的泛化能力。[结论]研究结果表明，该算法可为边缘计算设备航拍船舶检测作业提供一定参考。
关键词：船舶检测;注意力机制;部分卷积
基金资助：国家自然科学基金（62271302）; 上海市自然科学基金（20ZR1423500）
