基于亚像素卷积的多尺度加权融合船舶检测方法OA

船舶检测作为海洋监控及安全管理的关键技术,广泛应用于航道监控、海上救援、非法捕捞等。针对船舶检测中存在的尺寸差异大、背景干扰和遮挡问题,提出基于亚像素卷积的多尺度加权融合船舶检测方法。针对船舶图像中的尺度差异,提出多尺度特征加权融合机制,利用亚像素3D融合模块和三重特征编码模块,有效融合不同尺度特征,同时结合多尺度卷积注意力加权机制,使模型在不同空间范围内关注输入特征,从而提升检测精度。为了增强特征提取灵活性并保持网络性能,引入可变核卷积,根据输入动态选择采样点位置,提高特征表达能力。针对锚框在回归过程中膨胀导致模型收敛慢的问题,引入Powerful-IoU损失,利用自适应惩罚因子和梯度调节函数引导锚框回归,同时引入聚焦机制提高中等锚框的聚焦能力。在公共船舶数据集SeaShips上进行了实验,实验结果表明,提出的方法在多尺度船舶检测任务中表现优越,相比基准模型,精确率提升2.8个百分点,召回率提升4.8个百分点,mAP@0.5提升1.5个百分点,mAP@0.5:0.95提升6.6个百分点,且模型能够快速收敛并保持较好的稳定性,有效应对了复杂背景和船舶遮挡问题。