基于改进Yolov8s的红外舰船目标检测算法

针对在复杂多变的海面上快速准确识别红外舰船的难题，提出了一种改进Yolov8s的红外舰船目标检测算法。首先采用轻量化网络EfficientViT(efficient vision transformer)作为主干网络，在确保精度的同时降低参数量和计算量；其次引入空间和通道重建卷积模块SCConv(spatial and channel reconstruction convolution)重构颈部网络C2f模块，减少模型参数冗余的同时，提高模型的检测精度；然后加入EMA(efficient multi-scale attention)注意力机制，提高模型的特征提取能力；最后使用WIoU(weighted intersection over union)损失函数代替CIoU(complete intersection over union)损失函数，进一步提升模型的泛化能力。实验结果表明，改进后的网络模型对比原Yolov8s网络模型，检测精度提升了2.5%，模型尺寸缩小了28%，参数量减少了31%，计算量降低了33%，在提升检测精度的同时使模型变得更加轻量化。改进后的Yolov8s网络模型在红外舰船检测任务上具有良好的性能。