摘要：目標(biāo)檢測(cè)是深度學(xué)習(xí)最重要的任務(wù)之一，在各種應(yīng)用場(chǎng)景都發(fā)揮著重要作用，比如：人臉檢測(cè)、車輛自動(dòng)駕駛檢測(cè)、遙感檢測(cè)等。本文以 YOLOv8 模型為基線，探討深度學(xué)習(xí)算法在船舶識(shí)別領(lǐng)域的應(yīng)用，以完成對(duì)圖像中船舶目標(biāo)的精準(zhǔn)檢測(cè)與識(shí)別任務(wù)，實(shí)現(xiàn)端到端的訓(xùn)練目標(biāo)?；?PyQt5 設(shè)計(jì)了用戶操作界面，用于系統(tǒng)的展示和測(cè)試。實(shí)驗(yàn)測(cè)試結(jié)果表明，改進(jìn)后的方法在計(jì)算量略微下降的同時(shí)提升平均精度到84%。

關(guān)鍵詞：深度學(xué)習(xí)；目標(biāo)檢測(cè)；船舶識(shí)別；YOLOv8

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）23-0037-05

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

0 引言

0.1 研究背景及意義

隨著中國(guó)海洋強(qiáng)國(guó)建設(shè)的推進(jìn)，船舶數(shù)量和種類不斷增加，相關(guān)工作部門對(duì)船舶監(jiān)控需求日益增長(zhǎng)。本文旨在研究船舶識(shí)別算法，通過(guò)分析船舶形狀實(shí)現(xiàn)對(duì)船舶種類的準(zhǔn)確識(shí)別，以提升船舶監(jiān)控的能力[1]。首先，船舶識(shí)別技術(shù)能夠幫助監(jiān)測(cè)船舶在海上的位置和移動(dòng)情況，提高海上交通的安全性。通過(guò)實(shí)時(shí)監(jiān)控船只的位置和航行情況，可以及時(shí)事故的發(fā)生，有效保護(hù)船員和船只的安全。其次，船舶識(shí)別系統(tǒng)可以幫助管理者更好地了解船只的分布和航行情況，提高海上交通的管理效率，優(yōu)化通航路徑，從而提升海上交通的運(yùn)行效率和服務(wù)水平。此外，船舶識(shí)別技術(shù)也有助于發(fā)現(xiàn)和防止非法捕撈、海上污染等其他破壞海洋環(huán)境的活動(dòng)。因此本文研究具有重要的研究意義。

0.2 基于深度學(xué)習(xí)的船舶識(shí)別算法應(yīng)用挑戰(zhàn)

通過(guò)對(duì)船舶識(shí)別領(lǐng)域的研究現(xiàn)狀可以看出，船舶識(shí)別在深度學(xué)習(xí)的領(lǐng)域發(fā)展迅速，對(duì)不同情況下的船舶識(shí)別有不錯(cuò)的效果，但仍然存在以下一些問(wèn)題和難點(diǎn)：

（1） 因?yàn)槟繕?biāo)之間大小差異過(guò)大且模型對(duì)目標(biāo)信息級(jí)別的區(qū)別能力不夠，小目標(biāo)檢測(cè)精度不夠；

（2） 由于模型的參數(shù)量大且計(jì)算量大，存在模型訓(xùn)練效率不足的問(wèn)題；

（3） 由于數(shù)據(jù)集背景目標(biāo)遠(yuǎn)多于前景目標(biāo)，導(dǎo)致困難樣本多，模型泛化能力不足。

本文針對(duì)以上三個(gè)難點(diǎn)進(jìn)行研究，對(duì)網(wǎng)絡(luò)的改進(jìn)包括構(gòu)建更加高效精準(zhǔn)的網(wǎng)絡(luò)模型、設(shè)計(jì)輕量化模塊、更換更加高效的損失函數(shù)。為此，本文引入了 GD（Gatherand-Distribute） 機(jī)制以提高網(wǎng)絡(luò)檢測(cè)頭對(duì)不同大小目標(biāo)的檢測(cè)精度，還采用了基于 Fasternet更加快速高效的模塊。

本文采用基于深度學(xué)習(xí)的船舶識(shí)別算法，旨在提高海洋監(jiān)控和安全管理的智能化水平，為實(shí)現(xiàn)海洋強(qiáng)國(guó)戰(zhàn)略目標(biāo)和維護(hù)海洋生態(tài)環(huán)境健康做出積極貢獻(xiàn)。而通過(guò)科技創(chuàng)新，旨在為海洋安全與環(huán)境保護(hù)事業(yè)注入新的動(dòng)力和活力。

1 YOLOv8的基本原理

YOLO 算法的工作原理是將輸入圖像劃分為多個(gè)固定尺寸的網(wǎng)格格點(diǎn)，每個(gè)格點(diǎn)負(fù)責(zé)預(yù)測(cè)其區(qū)域內(nèi)可能存在的物體的邊界框和類別概率。YOLOv8 采用了當(dāng)前流行的解耦頭結(jié)構(gòu)（Decoupled-Head） 來(lái)重新設(shè)計(jì)檢測(cè)頭（Detection Head） [2]。這種結(jié)構(gòu)將分類和檢測(cè)任務(wù)分離開來(lái)，同時(shí)還將目標(biāo)檢測(cè)從基于 Anchor 的方式轉(zhuǎn)變?yōu)榛?Anchor-Free 的方式。解耦頭的核心理念是在圖像分割中引入額外的分支網(wǎng)絡(luò)，該網(wǎng)絡(luò)專門用于像素級(jí)預(yù)測(cè)，兩條并行的分支分別提取類別特征和位置特征，然后各用一層1×1卷積完成分類和定位任務(wù)。這種設(shè)計(jì)使得模型能夠更有效地利用不同層次的語(yǔ)義信息，從而提高分割結(jié)果的質(zhì)量和細(xì)節(jié)保留能力。

為了進(jìn)一步提升 YOLOv8 在船舶識(shí)別任務(wù)上的性能，本文對(duì)其進(jìn)行了以下改進(jìn)：

1） 引入基于 Fasternet 的 c2f-Faste r模塊替換原有 c2f，通過(guò)PConv 減少計(jì)算量和模型大小，提高精度1.6%。

2） 采用華為提出的 GOLD-YOLO 中的 Gather-and-Distribute機(jī)制改進(jìn) Head 檢測(cè)頭，增強(qiáng)對(duì)不同大小目標(biāo)的檢測(cè)能力。

3） 引入 EMASlideLoss 損失函數(shù)，結(jié)合融合指數(shù)移動(dòng)平均（EMA） 概念和滑動(dòng)損失機(jī)制，提升模型精度和泛化能力。

具體改進(jìn)和訓(xùn)練過(guò)程如下。

2 YOLOv8的改進(jìn)和訓(xùn)練

2.1 c2f-Faster Block

2.1.1 FasterNet和FasterNet Block

FasterNet 是一種新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，?旨在提高運(yùn)行速度并對(duì)許多視覺任務(wù)非常有效。?這種架構(gòu)通過(guò)使用新型的 PConv（Partial Convolution） 和現(xiàn)成的 PWConv（Pointwise Convolution） 作為主要的算子，?進(jìn)一步提升了其性能?[3]。而 FasterNet Block 中最重要的組件就是 PConv，PConv 在減少冗余計(jì)算和內(nèi)存訪問(wèn)量的同時(shí)，能夠保持高效的空間特征提取能力。PConv 的 FLOPs 更低，這是因?yàn)槌Ｒ?guī)卷積和深度卷積對(duì)內(nèi)存的訪問(wèn)次數(shù)遠(yuǎn)高于 PConv。因此，PConv 的網(wǎng)絡(luò)延遲更低。

FasterNet 最核心的模塊就是 FasterNet Block，由激活函數(shù)、歸一化層、一個(gè)3×3的 PConv、兩個(gè)1×1的 PWConv 卷積組成。 PConv 通過(guò)僅對(duì)輸入特征圖的一部分通道應(yīng)用常規(guī)卷積，而保留其余通道不變，從而減少 FLOPs 和內(nèi)存訪問(wèn)，而 PWConv 用于在 PConv 之后進(jìn)一步提取特征，同時(shí)保持網(wǎng)絡(luò)的輕量化。總的來(lái)說(shuō)，F(xiàn)asterNet Block 的設(shè)計(jì)既保持了特征提取的能力，又降低了神經(jīng)網(wǎng)絡(luò)的延遲，使得網(wǎng)絡(luò)更加輕量化。

2.1.2 基于FasterNet改進(jìn)的c2f-Faster Block

YOLOv8 的 c2f 模塊中堆疊了大量 Bottleneck 組件，這使得網(wǎng)絡(luò)深度足夠深，模型性能也會(huì)變好，但是模型的參數(shù)和計(jì)算量卻居高不下，為了實(shí)現(xiàn)模型網(wǎng)絡(luò)輕量化，本文在減少計(jì)算量和內(nèi)存訪問(wèn)方面進(jìn)行了研究，將 YOLOv8 中 BackBone 和 Head 中的 c2f 中的 Bottleneck 替換成基于 FasterNet 的 FasterNet Block，形成了稱為 c2f-Faster Block 的新模塊。

本文通過(guò)引入 c2f-Faster Block 這個(gè)創(chuàng)新結(jié)構(gòu)，成功降低了網(wǎng)絡(luò)模型的計(jì)算復(fù)雜度和內(nèi)存訪問(wèn)量，提高了網(wǎng)絡(luò)在輕量化方面的性能和效率。這些創(chuàng)新對(duì)于在資源受限的移動(dòng)設(shè)備上部署深度學(xué)習(xí)模型具有重要意義，能夠加速模型推理速度并減少能耗消耗，推動(dòng)了深度學(xué)習(xí)技術(shù)在船舶識(shí)別算法應(yīng)用中的可行性和普及度。

2.2 YOLOv8改進(jìn)的Head

2.2.1 GOLD-YOLO和GD機(jī)制

Gold-YOLO 是一種高效的目標(biāo)檢測(cè)模型，由華為諾亞方舟實(shí)驗(yàn)室的研究者開發(fā)，旨在提升多尺度特征融合的能力[4]。Neck 網(wǎng)絡(luò)是 Gold-YOLO 的核心創(chuàng)新所在，它使用 GD 機(jī)制來(lái)增強(qiáng)不同尺度特征的融合。GD 機(jī)制包含以下這幾種模塊，這些模塊的組合可以改善不同尺度特征的融合問(wèn)題。

低層 GD 分支專注于小目標(biāo)和中等大小目標(biāo)的檢測(cè)，它使用Low-FAM（Low Feature Alignment） 和 Low-IFM（Low Information Fusion Module） 來(lái)處理從 backbone 提取的 B2，B3，B4，B5 特征圖。高層 GD 分支專注于大目標(biāo)的檢測(cè)。它將 Low-GD 生成的 P3，P4，P5 特征圖進(jìn)行融合。

2.2.2 基于GOLD-YOLO的GD機(jī)制的改進(jìn)的Head

本文通過(guò)引入 Gather-and-Distribute （GD） 機(jī)制來(lái)改進(jìn) YOLOv8 Head部分。YOLOv8 的頭部結(jié)構(gòu)被重新設(shè)計(jì)，以適應(yīng) GD 機(jī)制，改進(jìn)后的 Head 的結(jié)構(gòu)如圖1所示。新的頭部結(jié)構(gòu)包括了專門用于實(shí)現(xiàn) GD 機(jī)制的模塊，如 Transformer 模塊，這些模塊能夠處理和融合來(lái)自不同層級(jí)的特征。高效的特征提取：通過(guò) GD 機(jī)制，YOLOv8 的頭部能夠更高效地提取和利用不同級(jí)別的特征，這對(duì)于提高模型的檢測(cè)速度和準(zhǔn)確性至關(guān)重要。

2.3 損失函數(shù)EMASlideLoss

YOLOv8 原本的分類損失函數(shù)是 Sigmoid 激活函數(shù)和二元交叉熵?fù)p失的結(jié)合，如公式（1） 所示。

[Lossx，y=-1Ni=0n[yilog （σ（xi））+（1-yi）log （1-σ（xi））] ] （1）

本研究針對(duì)樣本不平衡問(wèn)題，將 YOLOv8 原分類損失函數(shù)結(jié)合了指數(shù)移動(dòng)平均（EMA） 的概念和滑動(dòng)損失（Slide Loss） 的機(jī)制[5]。EMA是一種對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行平滑的方法，它通過(guò)給過(guò)去的觀測(cè)值賦予指數(shù)遞減的權(quán)重來(lái)計(jì)算加權(quán)平均值。在本次改進(jìn)中，EMA 用于平滑 IoU 閾值，使得損失函數(shù)可以逐漸適應(yīng)模型在不同訓(xùn)練階段的性能變化。Slide Loss 機(jī)制的核心是動(dòng)態(tài)調(diào)整損失函數(shù)的某些參數(shù)，以適應(yīng)模型的學(xué)習(xí)進(jìn)度，損失函數(shù)就是根據(jù)預(yù)測(cè)框與真實(shí)框之間的 IoU （交并比）大小來(lái)區(qū)分簡(jiǎn)單樣本和困難樣本。

設(shè)置衰減函數(shù)用于計(jì)算衰減值，如公式（2） 所示，x 是當(dāng)前的更新次數(shù)或訓(xùn)練步數(shù)。decay 是初始衰減率，一個(gè)介于0和1之間的常數(shù)。τ是時(shí)間常數(shù)，控制衰減速度的參數(shù)。衰減值是用于控制不同時(shí)期的 [iou當(dāng)前] 對(duì) [ioumean] 的影響，如公式（3） 所示，指數(shù)衰減提供了一種平滑的過(guò)渡方式，避免了在訓(xùn)練初期由于數(shù)據(jù)的隨機(jī)性而導(dǎo)致的 [ioumean] 的劇烈波動(dòng)。

[d=decay×（1-e-xτ）] （2）

[ioumean=d×ioumean+ 1-d×iou當(dāng)前] （3）

調(diào)制因子的作用是實(shí)施滑動(dòng)損失機(jī)制，即根據(jù)模型對(duì)樣本分類的難易程度來(lái)調(diào)整每個(gè)樣本損失的權(quán)重，如公式（4） 所示。x 是預(yù)測(cè)框與真實(shí)框之間的 IoU 值，[ioumean] 是動(dòng)態(tài)計(jì)算的閾值。當(dāng) x 遠(yuǎn)低于 [ioumean] 時(shí)，這些樣本為負(fù)樣本，權(quán)重為1，意味著它們對(duì)總損失的貢獻(xiàn)較小。當(dāng) x 的值和 [ioumean] 的值相近時(shí)，越近越增加權(quán)重，表示對(duì)這種模糊的樣本有更多的關(guān)注。當(dāng) x 值大于 [ioumean] 時(shí)，該樣本為正樣本，應(yīng)該鼓勵(lì)關(guān)注，就會(huì)給一個(gè)較大的權(quán)重。

[a1=1，b1=1a2=e1-ioumean，b2=1 a3=e1-x，b3=1 x≤ioumean-0.1ioumean-0.1<x<ioumeanx≥ioumean] （4）

權(quán)重的調(diào)制對(duì)于訓(xùn)練過(guò)程至關(guān)重要，首先是平衡正負(fù)樣本，在目標(biāo)檢測(cè)中，負(fù)樣本（不包含目標(biāo)的背景區(qū)域）通常遠(yuǎn)多于正樣本（包含目標(biāo)的區(qū)域）。調(diào)制權(quán)重可以幫助減少負(fù)樣本對(duì)損失函數(shù)的貢獻(xiàn)，從而避免模型對(duì)背景過(guò)擬合。其次就是關(guān)注難分類樣本，通過(guò)為難以正確分類或檢測(cè)的樣本（如小目標(biāo)、遮擋目標(biāo)）分配更高的權(quán)重，模型可以更多地學(xué)習(xí)這些樣本的特征，提高對(duì)這些情況的檢測(cè)性能。公式如（5） 所示。

[modulatingweight=a1×b1+a2×b2+a3×b3] （5）

最后是對(duì) YOLOv8 的原損失函數(shù)進(jìn)行一個(gè)基礎(chǔ)計(jì)算，公式如（6） 所示。

[Loss=Lossx，y×modulatingweight] （6）

EMASlideLoss的引入使得模型對(duì)樣本分布不均衡的問(wèn)題具有更強(qiáng)的適應(yīng)性和魯棒性，有助于提高目標(biāo)檢測(cè)模型在復(fù)雜場(chǎng)景下的性能表現(xiàn)和泛化能力[6]。

3 模型的訓(xùn)練

3.1 數(shù)據(jù)集選擇

船舶數(shù)據(jù)集是專門用于船舶識(shí)別、檢測(cè)和分類任務(wù)的數(shù)據(jù)資源，其來(lái)源多樣化，可能來(lái)自各種航海數(shù)據(jù)提供商、衛(wèi)星圖像公司、科研機(jī)構(gòu)或開放數(shù)據(jù)平臺(tái)。這些數(shù)據(jù)集涵蓋了全球各地的海洋和港口，其中包含大量船舶圖像，這些圖像可通過(guò)衛(wèi)星、無(wú)人機(jī)、攝像頭或其他傳感器獲得[7]。船舶數(shù)據(jù)集中的船舶類型多種多樣，包括貨船、客船、漁船、油輪、游艇等，有些數(shù)據(jù)集還可能包含船舶的子類型或特定類別，例如船舶用途、船舶大小等。

由于SeaShips數(shù)據(jù)集包含大量圖像，覆蓋多種常見的船舶類型，能夠反映不同的成像變化，如不同的比例、船體部件、照明條件、視角、背景和遮擋等，因此為了滿足本文船舶算法研究的需要，本文選擇了 SeaShips（7000） 為本項(xiàng)研究的數(shù)據(jù)集，挑選了1 000張圖片作為測(cè)試集和6 000張圖片作為訓(xùn)練集，如圖2所示。

3.2 訓(xùn)練的結(jié)果

基于本文研究的各種對(duì) YOLOv8 算法的改進(jìn)措施，采用遷移學(xué)習(xí)，對(duì)選擇的數(shù)據(jù)集進(jìn)行訓(xùn)練，設(shè)定為200個(gè) epoch，YOLOv8 三點(diǎn)改進(jìn)的結(jié)果，損失函數(shù)、模型的準(zhǔn)確度、召回率、類間平均精度，如圖3所示。

經(jīng)過(guò)3點(diǎn)改進(jìn)后的測(cè)試結(jié)果，如圖4所示，經(jīng)過(guò)訓(xùn)練的模型在船舶目標(biāo)檢測(cè)方面表現(xiàn)出色，無(wú)論是對(duì)目標(biāo)的識(shí)別，達(dá)到了較高的準(zhǔn)確度和穩(wěn)定性。這些圖像不僅證明了模型在處理復(fù)雜場(chǎng)景時(shí)的強(qiáng)大能力，也展現(xiàn)了其在細(xì)節(jié)捕捉上的精細(xì)度。從圖像中可以看出，模型能夠準(zhǔn)確地識(shí)別出不同類型的船只，包括客船和漁船，并且在不同時(shí)間段和不同條件下都能保持較高的置信度評(píng)分。模型對(duì)于多目標(biāo)和小目標(biāo)的檢測(cè)效果同樣令人滿意，這表明了模型在處理低分辨率或遠(yuǎn)距離多目標(biāo)時(shí)依然能夠保持較高的識(shí)別準(zhǔn)確率。

4 基于 PyQt5 的用戶操作界面設(shè)計(jì)及測(cè)試

在構(gòu)建用戶界面（UI） 的過(guò)程中利用 Qt Designer 這一可視化工具來(lái)創(chuàng)建界面設(shè)計(jì)。利用 Qt Designer 設(shè)計(jì)界面，然后通過(guò) PyUIC將設(shè)計(jì)轉(zhuǎn)換為 Python 代碼，最后結(jié)合 PyQt5 進(jìn)行界面的開發(fā)和測(cè)試，從而完成對(duì)比實(shí)驗(yàn)和功能測(cè)試。

首先是單一目標(biāo)船只的測(cè)試，如圖5所示。然后是更為復(fù)雜的多目標(biāo)測(cè)試，如圖6所示，這里展示系統(tǒng)在應(yīng)對(duì)多個(gè)目標(biāo)時(shí)的效率和準(zhǔn)確性。通過(guò)這些圖像可以看到系統(tǒng)在不同測(cè)試條件下的表現(xiàn)，為進(jìn)一步分析和優(yōu)化提供有力的視覺支持。

5 結(jié)束語(yǔ)

本文對(duì) YOLOv8 算法模型進(jìn)行了三個(gè)地方的改進(jìn)，首先是對(duì)YOLOv8 的 c2f 模塊的 Bottleneck 進(jìn)行的替換；然后是對(duì) YOLOv8 的 Head 進(jìn)行基于 GD 機(jī)制的修改；最后是對(duì) YOLOv8 原分類損失函數(shù)結(jié)合上 EMA 概念和 SlideLoss 機(jī)制進(jìn)行改進(jìn)。在模型展示方面，本文使用了基于 PYQT5 的用戶交互界面作為效果展示平臺(tái)。

本文對(duì)模型進(jìn)行的三個(gè)改進(jìn)在各種指標(biāo)上有不錯(cuò)的改進(jìn)，但是仍然存在各種問(wèn)題值得探討：

1） 模型在各個(gè)改進(jìn)點(diǎn)上都在 map@50 上都有所提升，但是提升的幅度不大，各種細(xì)節(jié)可以改進(jìn)，包括各種訓(xùn)練技巧、數(shù)據(jù)集的強(qiáng)化技巧等，都有助于 map@0.5 提升。

2） 模型在改進(jìn)后有所提升，但是在測(cè)試時(shí)卻無(wú)法很精準(zhǔn)地體現(xiàn)出來(lái)，甚至有些時(shí)候會(huì)展現(xiàn)出不好的效果。

3） 數(shù)據(jù)集的選擇上過(guò)于單調(diào)，這是導(dǎo)致模型泛化能力不夠的原因之一，模型在其他數(shù)據(jù)集上的表現(xiàn)不佳。

人工智能目標(biāo)檢測(cè)在船舶業(yè)的可以發(fā)揮不小的作用，在港口或者在海上對(duì)船舶對(duì)船只信息的快速收集有利于管理人員或者操作人員做出適當(dāng)?shù)南鄳?yīng)的策略和操作，未來(lái)可以從以上三個(gè)方面入手繼續(xù)優(yōu)化。

參考文獻(xiàn)：

[1] 楊一平，柳圣軍，周超，等.多視覺信息融合的內(nèi)河航道智能監(jiān)控系統(tǒng)[J].中國(guó)圖象圖形學(xué)報(bào)，2018，13（8）：1608-1616.

[2] Zheng Ge， Songtao Liu， Feng Wang， Zeming Li， Jian Sun. YOLOX： Exceeding YOLO Series in 2021 [J]. ariXiv，2021， arXiv：2107.08430：1-7.

[3] Jierun Chen， Shiu-hong Kao， Hao He. Run， Don’t Walk： Chasing Higher FLOPS for Faster Neural Networks[J]. arXiv，2023， arXiv：2004.10934：1-15.

[4] WANG C C，HE W，NIE Y，et al.Gold-YOLO：efficient object detector via gather-and-distribute mechanism[EB/OL].2023：2309.11331.https：//arxiv.org/abs/2309.11331v5.

[5] YU Z P，HUANG H B，CHEN W J，et al.YOLO-FaceV2：a scale and occlusion aware face detector[EB/OL].2022：2208.02019.https：//arxiv.org/abs/2208.02019v2.

[6] 張秀再，沈濤，許岱.基于改進(jìn)YOLOv8算法的遙感圖像目標(biāo)檢測(cè)[J].激光與光電子學(xué)進(jìn)展，2024，61（10）：298-308.

[7] 石文豪，安博文.基于多結(jié)構(gòu)形態(tài)學(xué)的港口船舶檢測(cè)方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2016，25（10）：283-287.

【通聯(lián)編輯：李雅琪】