融合深度監督與改進YOLOv8的海上目標檢測

摘要 針對海上目標姿態復雜且尺度多變，導致現有人工智能算法難以穩定檢測的問題，提出一種融合深度監督與改進YOLOv8的海上目標檢測算法．首先，設計了多尺度卷積模塊，提取目標多種感受野的特征信息，減少漏檢率;然后，添加深度監督網絡，提高網絡對深層類別信息及淺層位置信息的利用率，優化主干網絡的目標特征提取性能;最后，在網絡檢測頭部分引入通道注意力機制，過濾無關信息，增強對關鍵特征的識別率．在海上目標數據集中的實驗結果表明，改進算法的mAP值達到93.69％，召回率達到85.16％，相比原模型分別提高了7.38、8.52個百分點，且優于對比的經典算法和新穎算法，檢測時間約14 ms，滿足海上實時目標檢測需求，可為航運管理、預防海上事故等提供有效技術參考．

關鍵詞 海上目標;深度學習;深度監督;多尺度卷積;通道注意力機制

中圖分類號TP391.4"文獻標志碼A

0引言

海上目標檢測包括對軍艦、船只、漂浮物等各種物體進行準確的預測與定位，對有效預防海上交通事故、提高船舶運輸效率等具有重要意義［1］．然而，由于海洋環境復雜多變，波浪、云層、光照變化等因素會極大地影響目標的外觀特征，這使得海上目標檢測任務存在一系列挑戰，因此，設計更為精確的海上目標檢測模型具有重要價值．

海上目標檢測方法分為傳統方法和深度學習方法．傳統方法常采用不同傳感器或是建立相關數學模型來解決目標檢測問題．例如：劉安邦等［2］先將雷達信號分解為時域、頻域等多維特征，再采用梯度提升樹分類的方法，提高了強海雜波背景下，雷達對小目標的檢出概率;陳卓等［3］采用激光雷達檢測無人艇，提出自適應閾值（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）算法對海面障礙物進行分割和聚類，再結合多假設跟蹤（Multi-Hypothesis Tracking，MHT）模型和卡爾曼濾波器實現對目標的多幀檢測和跟蹤;Pan等［4］建立了海面目標運動模型，首先用分數階傅里葉變換對運動目標進行多普勒偏移補償，然后采用可調Q因子小波變換對信號進行分解，再利用基追蹤去噪算法得到小波系數，并通過對系數的稀疏化和目標的重構，為海上運動目標檢測研究提供了更多依據;薛安克等［5］提出基于多分類器的方法，先構造海雜波與目標數據的特征空間，后使用雙參數K鄰近算法構造多個二分類器進行聯合判定，有效提高海上小目標的檢測精度．雖然傳統方法可以有效針對海上目標檢測出現的各種問題，但泛化能力較弱，在復雜的場景下表現不穩定．

深度學習算法主要以YOLO［6］卷積神經網絡模型為主．周薇娜等［7］利用YOLOv2網絡結合SELU激活函數，在弱小船舶檢測問題中獲得了優良檢測精度和速度;Hong等［8］針對海上船舶特征尺寸小等問題，提出改進k-means++算法獲得準確預測框，并引入高斯模型預測邊界框的不確定性，配合YOLOv3網絡，增強模型的魯棒性;Fu等［9］在YOLOv4網絡的特征融合部分添加卷積注意力模塊，對通道特征和空間特征進行權值分配，提高了海上目標檢測的精度;Zheng等［10］提出改進YOLOv5模型，首先在數據處理過程中應用加權聚類算法，然后進一步利用BN比例因子實現算法輕量化，最后實現了實時船舶檢測．雖然上述深度學習方法檢測精度高、模型魯棒性強，但針對小目標檢測的能力較弱，存在召回率低等問題需要解決．

針對上述問題，本文提出一種基于深度背景監督的改進YOLOv8海上目標檢測算法．主要貢獻有如下：

1）引入多尺度卷積模塊（Mulit-Scale Convolution，MSC），豐富特征信息，增強小尺度目標的特征表示，提高召回率;

2）在YOLOv8主干網絡加入深度監督網絡（Deep Supervision Network，DSN），在保證有效定位目標的基礎上，增加對目標類別信息的置信度，并防止梯度消失;

3）通過融合通道注意力機制（Squeeze-and-Excitation，SE），抑制無用特征的干擾，增強對關鍵信息的識別，進一步提升了綜合性能指標．

1理論基礎

1.1YOLOv8網絡

YOLOv8網絡如圖1所示，由主干網絡、特征融合網絡和檢測頭3個部分組成．主干網絡由CBL、C2f和SPPF等模塊組成，其中：C2f是進行特征學習的主要模塊，該模塊仿照YOLOv7［11］的ELAN結構，通過殘差模塊提取特征，并將特征進行拼接融合，形成一個具有更強特征表示能力的模塊;CBL代表普通的特征提取操作，主要由卷積、批歸一化和激活組成，圖中不同顏色的CBL代表不同的卷積核尺寸與步長;SPPF主要進行串聯的最大池化計算，實現局部特征與全局特征的融合．特征融合網絡采用PAN（Path Aggregation Network）結構，可加強網絡對不同縮放尺度對象特征融合的能力．檢測頭作用是對網絡提取出的特征進行目標類別與位置的推理，并將結果進行正負樣本篩選，計算損失．YOLOv8正負樣本使用Task Aligned Assigner［12］方法進行篩選，損失計算包括分類和回歸2個分支，分類采用BCE（Binary Cross Entropy）損失，回歸則使用Distribution Focal Loss［13］和CIOU（Complete Intersection Over Union）損失．在目前的多數目標檢測應用中，YOLO一直是最為主流的目標檢測方法，而YOLOv8則是YOLO系列中最新的SOTA算法，因此選擇該網絡作為本文的主干網絡模型．

1.2深度監督

深度監督網絡［14］于2014年被提出，主要用于解決卷積神經網絡特征辨別度降低、梯度消失等問題．深度監督通過在網絡模型各處添加監督分支，并引入損失函數來引導網絡特征提取方式，結構通常如圖2所示．圖2a代表用于分類的普通卷積神經網絡，由卷積和全連接層（Fully Connected，FC）組成，該網絡通常由于參數規模大，導致模型訓練難度增加，容易過擬合．圖2b為在圖2a基礎上添加深度監督分支的改進網絡，不同的是在主干特征提取網絡的中間層添加輔助分類器．在反向傳播時，為了降低輔助分類器的損失，模型就必須優化網絡早期的特征提取層，由此提高每一層網絡權重的利用率，進而提高網絡預測精度，緩解梯度消失問題．

針對海上目標姿態復雜且尺度多變的問題，本文提出改進YOLOv8檢測模型，模型網絡結構如圖3所示．首先，在網絡淺層引入多尺度卷積模塊，提取目標多尺度信息．然后，在網絡輸出特征圖尺寸為80×80×64處與20×20×256處分別添加深度監督網絡分支，分別用于監督定位和分類損失．最后，在網絡每個預測端都添加通道注意力機制，過濾無關特征．YOLOv8按照模型參數規模主要分為v8n、v8s、v8m、v8l、v8x五個版本，其中v8n為參數最少的版本．在海上目標數據集上經初步實驗發現，僅通過增加網絡深度及寬度并不會提高檢測性能，同時會增加不必要的訓練參數，增加計算量．因此，本文提出的改進YOLOv8模型通道數等參數都以YOLOv8n作為參考．

2.2多尺度卷積模塊

針對海上目標由于視覺遠近，導致尺度變換頻繁的問題，引入多尺度卷積模塊［15］．多尺度卷積模塊是深度學習中的一種實用技術，旨在提取和融合不同尺度的特征信息．在許多計算機視覺任務中，多尺度信息對于準確地理解和處理圖像非常關鍵．該模塊可以幫助網絡更好地捕捉目標的細節和上下文信息，提高模型的性能和魯棒性．

多尺度卷積模塊結構如圖4所示，包括兩個主要組成部分：多尺度特征提取和特征融合．首先，對輸入特征圖應用具有不同感受野的卷積核獲取不同尺度的上下文信息;然后，通過使用1×1卷積，進一步捕捉圖像的局部細節信息，提高小目標的檢測率;最后，特征融合模塊將不同尺度的特征按照通道維數進行連接，以綜合利用信息．

將多尺度卷積模塊引入YOLOv8淺層網絡中的優勢在于能夠使網絡提前注意圖像中的多尺度特征、豐富特征信息、提高精度、加快模型收斂速度．

2.3深度監督與損失函數

因圖像采樣角度不同，導致海上目標類別特征多樣，容易造成漏檢、誤檢等問題，一個解決方法是添加有助于增強目標分類信息的注意力模塊，但在深度學習網絡中，過分注重提高對目標的分類精度，會導致網絡對目標位置特征的辨別能力下降，降低目標檢測整體精度，反之依然成立．因此，為了兼顧海上目標檢測的定位精度與分類精度，本文提出在YOLOv8網絡中引入深度監督．

由文獻［16］可知，深度網絡中深層特征具有更好類別信息，而較淺層的特征具有更好的位置信息，因此，在YOLOv8用于提取特征的主干網絡中的大尺度分支（80×80×64）引入位置監督網絡，小尺度分支（20×20×256）引入分類監督網絡．在引入深度監督網絡時，需要定義相應的監督損失函數．本文采用與YOLOv8檢測頭相同的損失函數，即分類使用BCE Loss（Binary Cross Entropy Loss），BCE Loss根據預測結果與真實標簽的差異來計算網絡對目標類別預測的平均精度，并以此作為評價指標來更新網絡對目標類別特征的提取能力，具體如式（1）所示：

2.4通道注意力機制

通道注意力機制［17］的作用是建模卷積特征通道間的依賴性．在卷積神經網絡中，不同的通道可能對輸出結果產生正面或是負面的影響，因此需要對通道賦予不同的權重參數，抑制無用特征的干擾，提高對關鍵信息的利用率．SE模塊如圖5所示.設輸入特征為H×W×C，其中，H和W分別為特征圖的長度和寬度，C為特征圖的通道數．首先對輸入特征進行全局平均池化，得到通道數為1×1×C的特征;然后，將1×1×C特征輸入進全連接網絡，計算每個特征通道之間相關性并輸出不同通道的重要性權值;最后，通過乘法操作更改原輸入特征圖每個通道權值，進而達到通道注意的目的．

將通道注意力模塊添加在YOLOv8檢測頭的部分．在訓練時，為了提高模型精度，會更改通道注意力模塊中的權重，抑制對預測產生負面影響的通道，從而過濾掉無關特征，增強有效特征的權重，提高預測精度．

3實驗分析與比較

3.1實驗平臺與數據集

本文的實驗環境如下：CPU為Inter（R） i9-10900X，GPU為GeForce RTX 3060，Ubuntu18.04系統，Pytorch1.12.1框架及Python3.8．優化器為Adam，批量大小（Batch Size）設置為4，共訓練300個epoch，實驗結果取最好值［18］．

數據集為自建含5 237張圖片的海上目標檢測圖庫（數據集獲取可聯系本文通信作者），其中有戰艦（warship）、普通船只（boat）、直升機（helicopter）、航空母艦（aircraft carrier）、游客船（cruiser）共5類目標，如圖6所示．通過labelimg工具，將數據集進行注釋，后按6∶2∶2的比例劃分成訓練集、驗證集和測試集．

3.2評價指標

3.3消融實驗

為驗證本文所提出模塊的有效性，在自制數據集中進行消融實驗，結果如表1所示，其中，mAP@0.5代表預測框與真實框面積交并比為0.5時對應的mAP值．由表1可以看出：YOLOv8在僅融合深度監督的情況下對檢測指標就有著顯著的提升，可以證明深度監督有助于網絡訓練，使網絡兼顧定位與分類綜合的精度;多尺度卷積模塊對召回率的提升較為明顯，其主要原因是提高了對小目標的關注，可以證明該模塊對海上目標的大小特征較為敏感;通道注意力機制放在網絡檢測頭部，主要過濾網絡預測結果中不重要的通道值，因此對mAP指標的提升具有一定的輔助作用．

3.4深度監督消融實驗

為進一步驗證本文提出主要創新點深度監督的有效性，在改進YOLOv8n模型的主干網絡修改深度監督網絡位置進行消融實驗，具體指標如表2所示．其中：L代表位置監督網絡、C代表類別監督網絡;括號中的數值代表添加的位置．由于卷積神經網絡淺層特征豐富度低，因此深度監督網絡添加位置主要在較為深層的地方，包括80×80（MSC模塊后）、40×40、20×20三個尺度的位置．

由表2可以看出：在類別監督網絡固定時，位置監督網絡越深，mAP值越低，可以證明目標位置信息在淺層網絡較為豐富;在位置監督網絡固定時，類別監督網絡越深，mAP值越高，且根據mAP值可以看出，類別監督網絡對指標起著關鍵性作用，可以證明網絡層數的變化對類別信息的影響較大，而對位置信息的影響一般．因此，將位置監督網絡添加在模型較淺處，類別監督網絡添加在較深處，有助于提高模型綜合性能．

3.5對比實驗

為驗證本文所提出模型的優越性，在自制數據集中進行對比實驗，模型選取目標檢測領域中較為經典的YOLOv5及SSD［19］模型、基于兩階段網絡Cascade R-CNN［20］模型、基于Anchor-free的FCOS［21］模型以及最新的YOLOv7模型，具體檢測指標如表3所示．

由表3可知，相比較經典的YOLOv5模型，文中提出的方法在預測精度方面更具有優勢，檢測速度雖略有降低，但不影響實時檢測．這是因為YOLOv5模型為工程應用模型，其網絡結構與參數規模在具有更多類別的復雜目標檢測任務中魯棒性更高、適應力更強，但針對特定任務如海上目標檢測，模型精度相比本文改進模型會有降低．YOLOv7為2022年SOTA目標檢測模型，為提高在通用數據集中的指標，YOLOv7的模型結構與訓練方式更為復雜，因此在一些真實場景拍攝的自制數據集中表現出泛化能力不強，相比YOLOv5和本文算法指標都有所降低．Cascade RCNN與FCOS都針對錨框的生成方式做了不同的改進，其中，Cascade RCNN通過RPN網絡提前生成檢測框，而FCOS采用Anchor free方式，相比其他模型，二者召回率并未降低太多，但mAP值較低，因此證明二者未能兼顧模型的分類與定位能力．

3.6實際檢測效果對比

為了更直觀地驗證改進YOLOv8海上目標檢測的性能，本節選取對比試驗中指標較高的YOLOv5n、YOLOv7-tiny及本文所提出的YOLOv8算法進行實際檢測效果對比，結果如圖7所示．由圖7可以看出：YOLOv7-tiny相比其他兩種算法，存在多處目標未能檢測，漏檢率較高，在第4行的圖中還存在將房子識別成戰艦的現象;YOLOv5n與本文算法在召回率方面幾乎相同，但YOLOv5n在第3行與第4行對應的圖中存在一定的誤檢現象．對于圖中每個目標的預測準確率，綜合來看，YOLOv5n沒有本文算法高，證明了本文算法在兼顧定位與分類精度方面更加優秀．

4總結

針對海上目標形態多樣、特征復雜等問題，本文提出一種融合深度監督的改進YOLOv8的海上目標檢測算法．首先，以YOLOv8n模型為基礎，在主干網絡淺層添加多尺度卷積模塊，獲取不同尺度目標的特征信息;其次，引入深度監督網絡分支，讓模型更精準地辨別位置與類別信息，從而提高檢測精度;最后，在檢測頭部分添加通道注意力機制，過濾無效的通道特征值，增加檢測頭對關鍵特征的識別度．實驗結果表明，本文算法不僅在主觀視覺上優于其他算法，在客觀指標上相較其他算法也取得出色成績，表明本文提出的算法更適用于海上目標檢測．后續，將考慮提升算法在惡劣天氣下的海上目標檢測精度．

參考文獻

［1］王亮，陳建華，李燁.一種基于深度學習的無人艇海上目標識別技術［J］.兵工學報，2022，43（增刊2）：13-19WANG Liang，CHEN Jianhua，LI Ye.A target identification technique for unmanned surface vessel based on deep learning［J］.Acta Armamentarii，2022，43（sup2）：13-19

［2］劉安邦，施賽楠，楊靜，等.基于虛警可控梯度提升樹的海面小目標檢測［J］.南京信息工程大學學報（自然科學版），2022，14（3）：341-347LIU Anbang，SHI Sainan，YANG Jing，et al.Sea-surface small target detection based on 1-alarm-controllable gradient boosting decision tree［J］.Journal of Nanjing Universityof Information Science ＆ Technology （Natural Science Edition），2022，14（3）：341-347

［3］陳卓，王飛，陳奕宏，等.基于激光雷達的無人艇海上目標檢測與跟蹤方法研究［J］.中國造船，2022，63（6）：264-272CHEN Zhuo，WANG Fei，CHEN Yihong，et al.Research on marine target detection and tracking method of unmanned surface vehicle based on lidar［J］.Shipbuilding of China，2022，63（6）：264-272

［4］Pan M Y，Sun J，Yang Y H，et al.Improved TQWT for marine moving target detection［J］.Journal of Systems Engineering and Electronics，2020，31（3）：470-481

［5］薛安克，毛克成，張樂.多分類器聯合虛警可控的海上小目標檢測方法［J］.電子與信息學報，2023，45（7）：2528-2536XUE Anke，MAO Kecheng，ZHANG Le.Multi-feature marine small target detection based on multi-class classifier［J］.Journal of Electronics ＆ Information Technology，2023，45（7）：2528-2536

［6］RedmonJ，Divvala S，Girshick R，et al.You only look once：unified，real-time object detection［C］／／2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）.June 27-30，2016，Las Vegas，NV，USA.IEEE，2016：779-788

［7］周薇娜，丁豪文，周穎.一種海上弱小運動船舶實時檢測方法［J］.合肥工業大學學報（自然科學版），2021，44（9）：1187-1192ZHOU Weina，DING Haowen，ZHOU Ying.A real-time detection method for dim and small moving ships at sea［J］.Journal of Hefei University of Technology （Natural Science），2021，44（9）：1187-1192

［8］Hong Z H，Yang T，Tong X H，et al.Multi-scale ship detection from SAR and optical imagery via a more accurate YOLOv3［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2021，14：6083-6101

［9］Fu H X，Song G Q，Wang Y C.Improved YOLOv4 marine target detection combined with CBAM［J］.Symmetry，2021，13（4）：623

［10］Zheng J C，Sun S D，Zhao S J.Fast ship detection based on lightweight YOLOv5 network［J］.IET Image Processing，2022，16（6）：1585-1593

［11］WangC Y，Bochkovskiy A，Liao H Y M.YOLOv7：trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［C］／／2023 IEEE／CVF Conference on Computer Vision and Pattern Recognition （CVPR）.June 17-24，2023，Vancouver，BC，Canada.IEEE，2023：7464-7475

［12］Feng C J，Zhong Y J，Gao Y，et al.TOOD：task-aligned one-stage object detection［C］／／2021 IEEE／CVF International Conference on Computer Vision （ICCV）.October 10-17，2021，Montreal，QC，Canada.IEEE，2022：3490-3499

［13］Li X，Wang W H，Wu L J，et al.Generalized focal loss：learning qualified and distributed bounding boxes for dense object detection［J］.Advances in Neural Information Processing Systems，2020，33：21002-21012

［14］SunZ，Wang P，Wang J，et al.Exploiting deeply supervised inception networks for automatically detecting traffic congestion on freeway in China using ultra-low frame rate videos［J］.IEEE Access，2020，8：21226-21235

［15］李校林，王復港，張鵬飛，等.基于多尺度特征提取的YOLOv5s算法優化［J］.計算機工程與科學，2023，45（6）：1054-1062

LI Xiaolin，WANG Fugang，ZHANG Pengfei，et al.YOLOv5s algorithm optimization based on multi-scale feature extraction［J］.Computer Engineering and Science，2023，45（6）：1054-1062

［16］Yu W，Yang K Y，Yao H X，et al.Exploiting the complementary strengths of multi-layer CNN features for image retrieval［J］.Neurocomputing，2017，237：235-241

［17］HuJ，Shen L，Sun G.Squeeze-and-excitation networks［C］／／2018 IEEE／CVF Conference on Computer Vision and Pattern Recognition.June 18-23，2018，Salt Lake City，UT，USA.IEEE，2018：7132-7141

［18］趙春江，梁雪文，于合龍，等.基于改進YOLOv7的籠養雞／蛋自動識別與計數方法［J］.農業機械學報，2023，54（7）：300-312ZHAO Chunjiang，LIANG Xuewen，YU Helong，et al.Automatic identification and counting method of caged hens and eggs based on improved YOLOv7［J］.Transactions of the Chinese Society for Agricultural Machinery，2023，54（7）：300-312

［19］Zhai S P，Shang D R，Wang S H，et al.DF-SSD：an improved SSD object detection algorithm based on DenseNet and feature fusion［J］.IEEE Access，2020，8：24344-24357

［20］Cai Z W，Vasconcelos N.Cascade R-CNN：delving into high quality object detection［C］／／2018 IEEE／CVF Conference on Computer Vision and Pattern Recognition.June 18-23，2018，Salt Lake City，UT，USA.IEEE，2018：6154-6162

［21］TianZ，Shen C H，Chen H，et al.FCOS：fully convolutional one-stage object detection［C］／／2019 IEEE／CVF International Conference on Computer Vision （ICCV）.October 27-November 2，2019，Seoul，Korea （South）.IEEE，2020：9626-9635

Fusion of deep supervision and improved YOLOv8 for marine target detection

ZHANG Jiandong

1Tianjin Communication Center，Northern Navigation Service Center，Maritime Safety Administration，Tianjin 300456，China

AbstractTo address the unstable detection of marine targets challenged existing artificial intelligence algorithms due to the targets complex poses and variable scales，a detection approach based on deep supervision and improved YOLOv8 is proposed.A multi-scale convolution module is designed to extract the feature information of the targets multi-receptive fields and reduce the missed detection rate.Then，a deep supervision network is added to improve the utilization ratio of deep class information and shallow location information，thus optimizing the performance of the backbone network in target feature extraction.Finally，a channel attention mechanism is introduced into the detection head to filter the irrelevant information and enhance the recognition rate of key features.Experiments on the marine target dataset show that the mAP value and the recall rate of the proposed approach reach 93.69％ and 85.16％，respectively，which are 7.38 and 8.52 percentage points higher than those of the original model，and the proposed approach outperforms both classical and novel algorithms.The detection time is about 14 ms，which meets the requirements of real-time marine target detection and provides technical support for shipping management and marine accident prevention.

Key wordsmarine targets;deep learning;deep supervision;multi-scale convolution;channel attention mechanism