来源：期刊VIP网 时间：
作者：夏建军;高定国;许松涛;
单位：西藏大学信息科学技术学院;藏文信息技术创新人才培养示范基地;
摘要：为有效实现水下图像各类珍品快速精准检测，解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star＿YOLOv8的水下珍品检测算法。首先，在主干网络融合C2f＿StarNB模块有效地捕捉水下图像珍品特征，并实现模型的轻量化快速检测；其次，加入EMA注意力实现通道和空间特征的融合，提升水下图像不同尺度珍品特征的交叉注意力计算效率，减少噪声带来的影响，改善水下图像复杂场景及多尺度目标的显著性特征表达和检测精度；最后，引入动态聚焦Repulsion Loss损失函数，提高模型的收敛能力以及对多尺度分布遮挡珍品的整体检测效果。为验证改进方法的有效性，在水下珍品数据集上展开实验验证，以mAP@0.5指标验证融入的轻量化和注意力方面均优于其他方法，分别取得了8%和9.4%的提升。此外，相较于之前先进的水下珍品检测方法，该方法在mAP@0.5指标上达到0.863的检测性能。实验结果表明，所提方法在水下图像各类珍品的检测精度、速度等模型性能方面有一定提升。
关键词：YOLOv8;;水下珍品;;目标检测;;StarNet;;注意力机制;;Repulsion Loss损失函数
基金资助：国家自然科学基金项目（62166038）;; 拉萨市科技计划项目（LSKJ202306）
