基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法研究

针对红外船舶图像检测中存在目标尺度变化大、密集堆叠目标多、小目标细节丢失等问题，提出了一种基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法。首先，在YOLOv8s主干网络中融入局部全局自注意力模块，以获取更丰富的局部和全局特征，解决深度特征提取过程中的信息稀释丢失问题，实现细致化聚焦目标特征，增强特征间依赖关系，提高小目标的特征提取能力。其次，在颈部网络中加入空间通道稀疏注意力模块，将分块特征提取与通道稀疏策略深度融合，提升多尺度目标的空间信息捕获能力，重构通道信息，再对特征重标定，强化重要特征信息的影响，增强多尺度特征融合能力。最后，采用引入了递减置信度惩罚因子的Soft-NMS改进NMS，优化堆叠目标与小目标误检漏检的问题。实验结果表明，改进后的YOLOv8s模型相较于基准模型，在mAP0.5和mAP0.5∶0.95评价指标上分别提高了2.1%和4.4%，达到95.7%和72.8%，进一步验证了该算法在提升红外船舶目标检测精度上的有效性。同时，与其他经典模型和最新的YOLOv11模型相比，该算法在检测精度方面具有更好的性能。