Year: 2025
Type: article
Abstract: 针对红外多光谱融合舰船目标检测模型体积大、效率低、难以在嵌入式设备上部署等问题，本文基于YOLOv8n-MF提出了一种轻量级舰船目标红外多光谱融合检测模型YOLOv8n-MFLW。首先，引入轻量型网络HGNetv2替换主干网络，基于GSConv卷积重构HGBlock和C2f模块，在降低模型参数量的同时保留模型特征提取和融合能力；提出一种自适应稀疏结构化剪枝算法La-Depgraph修剪模型，进一步大幅降低模型参数量；最后，采用中间特征知识蒸馏学习策略恢复剪枝带来的精度损失，提高模型的检测性能。实验结果表明，相较于原模型，改进后的轻量级舰船目标红外多光谱融合检测模型的检测精度可以达到96.4%，提高了1.2%，模型参数量、计算量及内存占用量仅为0.9 MB，3.5 GFlops和2.3 MB，分别减少88.1%，81.2%和82.8%。因此，本文提出的模型体积小、精度高，具有更好的检测性能，能够胜任复杂环境下的舰船目标检测任务。
Source: Optics and Precision Engineering
Authors: Jiale ZHAO, Shuli LOU, Chao LIN
Institution: Yantai University
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4411527981