论文分析9：基于尺度特征交互改进的YOLOv8在低能见度环境下的船舶目标检测-拓冰建站

[1]俞毅,高迎,陈信强,等.基于尺度特征交互改进的YOLOv8在低能见度环境下的船舶目标检测[J].上海海事大学学报,2025,46(3):29-35.DOI:10.13340/j.jsmu.202407010128.

1. 研究目的

首先，受海上设备及成本的限制，常使用单一光学图像对船舶目标进行检测，在光照骤变、雨雾水汽等干扰下，单一光学图像质量极不稳定。其次，船舶种类繁多，货船、油船、渔船等在外形、尺寸、纹理及姿态上差异明显，且相互遮挡频繁，增加了图像识别的难度。

虽然随着深度学习技术的兴起，卷积神经网络等深度学习方法凭借强大的特征学习能力，显著推动了船舶目标检测性能的提升。但在复杂环境下精度和召回率仍有较大提升空间。

故论文中提出，通过引入基于注意力的内部尺度特征交互(attention-based intra-scale feature interaction，AIFI) 模块，提出一种改进的YOLOv8 模型———SFEI-YOLO，对图像中的船舶目标进行检测。该模型利用自注意力机制处理图像中的高层特征，使模型更加关注图像中的船舶目标，能有效抑制雾、雨遮挡，同时提升小目标和残缺目标的检测精度。

2. 基于AIFI模块改进YOLOv8

2.1 YOLOv8

其实与上篇论文分析类似，均是YOLOv8的框架，这里仅对上一篇论文没提到的进行一定补充。

YOLOv8 采用改进的CSPNet架构，进一步增强了特征提取和特征复用能力，确保在多尺度目标检测中有更好的表现。网络的骨干部分包括 Focus 模块、CSP 模块和 SPP( spatial pyramid pooling) 模块，这些模块在确保计算效率的同时，还能提取更丰富的特征信息。YOLOv8 引入 PANet作为颈部网络，通过多层次特征融合，提高模型对不同尺度目标的检测能力。

与 YOLOv5 相比: 首先，YOLOv8 骨干网络借鉴YOLOv7的ELAN思想，将 C3模块升级为梯度流更丰富的C2f 模块，且能针对不同尺度模型自适应调整通道数，使性能大幅提升;其次，将第一个卷积层的卷积核从6×6变为3×3，并将颈部模块中的2个卷积连接层去掉。

2.2 基于AIFI模块改进YOLOv8

AIFI模块借助自注意力机制实现仅针对高层特征的内部交互: 高层语义丰富，可有效捕捉概念实体关联;低层信息不足且易冗余，故跳过。

AIFI模块采用单层 Transformer 编码器，其由可变形注意力和前馈神经网络构成，将二维特征展平为序列后处理，再还原为二维特征，兼顾计算效率与语义增强。

AIFI 模块通过引入注意力机制，增强同尺度特征之间的交互。该方法使用多头注意力模块自动学习特征图中的重要区域，并通过加权这些区域来加强特征之间的信息流动，使模型能够更好地捕捉目标的细节和上下文信息。该模块可以在YOLOv8的特征处理阶段引入多个分支或注意力机制，通过并行处理或交互式处理捕捉不同尺度、不同层次的特征信息，更好地理解目标的形状、上下文信息等，从而提高目标检测性能。

AIFI模块替换原有的SPPF模块，使模型更聚焦于关键特征，提升小目标检测精度。SPPF模块虽然在处理多尺度特征融合方面表现良好，但在小目标检测方面可能不如AIFI 模块那样精细和高效。