基于改进的YOLO11s的遥感图像中船舶目标检测算法

《Ocean Engineering》：Ship target detection algorithm in remote sensing images based on improved YOLO11s

针对遥感图像中船舶检测存在的误检率和漏检率高问题，提出改进的YOLO11s-APFAN算法。通过引入自适应金字塔聚焦扩散网络(APFDNet)增强多尺度特征提取能力，结合卷积注意力融合模块(CAFM)优化特征调制，采用Wise-IoU损失函数解决梯度消失问题，并在C3K2模块中集成并行卷积注意力机制。实验表明，该算法在Fog-LEVIR-Ship和RS-SSDD数据集上mAP@0.5分别提升3.2%和1.9%，mAP@0.5:0.95提升1.2%和3.5%。

　　在现代科技迅速发展的背景下，遥感图像中的目标检测技术已成为一个备受关注的研究领域。特别是在海洋监测和航运管理中，船舶目标的识别具有重要的实际意义。然而，由于遥感图像的特殊性，船舶目标往往体积较小，且背景复杂，导致传统的检测方法在识别精度和效率上存在诸多挑战。因此，研究者们不断探索新的技术手段，以提高船舶检测的准确性与鲁棒性。本文提出了一种改进的YOLO11s模型，名为YOLO11s-Adaptive Pyramid Fusion Attention Network（YOLO11s-APFAN），旨在克服现有方法在遥感图像中检测小目标时的局限性。

遥感图像中的船舶检测任务面临多重挑战。首先，船舶目标在图像中通常占据较少的像素比例，尤其是在高分辨率图像中，其尺寸可能远小于其他目标。其次，遥感图像的背景往往非常复杂，包括海洋、云层、岛屿等元素，这使得船舶目标容易被误检或漏检。此外，图像的采集条件，如不同的拍摄角度、天气状况和光照条件，也会影响船舶目标的可见性和特征表现。因此，构建一个能够有效处理这些复杂情况的检测算法，成为研究的关键。

目前，遥感图像中的船舶检测方法主要分为两大类：基于卷积神经网络（CNN）的方法和基于Transformer的方法。基于CNN的方法，如YOLO系列，因其快速的推理速度和较低的计算成本，广泛应用于实际场景中。这类方法通常采用单阶段检测架构，能够直接输出预测结果，从而避免了传统两阶段方法所需的候选区域生成和特征提取步骤。然而，YOLO系列在处理小目标检测时仍存在一定的局限性，例如对噪声的敏感性、对尺度变化的适应性不足等。为了提升检测性能，研究者们对YOLO模型进行了多种改进，如引入新的特征提取模块、优化损失函数、改进注意力机制等。

另一方面，基于Transformer的方法，如DETR（Detection Transformer），能够通过自注意力机制捕捉全局信息，从而在复杂场景中提升检测能力。DETR通过将目标检测问题转化为集合预测问题，简化了检测流程，避免了锚框生成和非极大值抑制等步骤。然而，由于Transformer架构的计算复杂度较高，导致其在实时检测任务中存在性能瓶颈。为此，研究者们提出了多种优化方案，如DINO、Efficient DETR和RT-DETR等。这些模型在保持检测精度的同时，试图降低计算成本，以适应实际应用的需求。其中，RT-DETR通过引入高效的混合编码器和最小不确定性查询选择机制，显著提升了推理效率，同时保留了全局建模能力。它还支持灵活替换不同规模的主干网络，从而在检测精度和速度之间取得更好的平衡。

尽管RT-DETR在遥感图像中的船舶检测方面表现出色，但其较高的计算成本和参数规模仍然限制了其在资源受限场景中的应用。因此，研究者们将目光转向了YOLO系列，尤其是其最新版本YOLO11。YOLO11在保持YOLO系列原有优势的基础上，进一步优化了特征提取网络和自适应锚框机制，使其在COCO数据集上取得了优于前代模型的检测效果。同时，YOLO11在农业、交通等多个领域得到了广泛应用，显示出其在实际场景中的灵活性和适应性。然而，尽管YOLO11在整体检测性能上有所提升，其在遥感图像中检测小目标的能力仍存在改进空间。

基于上述背景，本文提出了一种改进的YOLO11s模型，即YOLO11s-APFAN。该模型通过引入多个创新模块，提升了小目标检测的准确性和鲁棒性。首先，本文设计了自适应金字塔聚焦与扩散网络（Adaptive Pyramid Focus and Diffusion Network, APFDNet），该模块能够增强对遥感图像中小目标特征的提取能力。APFDNet通过引入自适应特征扩散和聚合机制，提高了模型在不同尺度下的特征表示能力，从而有效应对船舶目标在遥感图像中的多尺度变化。

其次，本文在模型中集成了卷积与注意力融合模块（Convolution and Attention Fusion Module, CAFM）。该模块通过结合卷积操作和注意力机制，增强了模型对多通道特征表示的自适应调制能力。CAFM的引入使得模型能够更精准地捕捉小目标的关键特征，提升了其在复杂背景下的识别能力。

在损失函数方面，本文采用了Wise-IoU（WIoU）损失函数。相比于传统的CIoU损失函数，WIoU在处理部分重叠和梯度消失问题时表现出更强的泛化能力。尤其是在遥感图像中，由于目标与背景之间的重叠情况较为复杂，传统的CIoU损失函数在预测与真实框不完全重叠的情况下容易导致梯度消失，从而影响模型的收敛速度和最终性能。而WIoU通过引入更精细的重叠度计算方式，有效缓解了这一问题，提升了模型在不同图像质量下的检测稳定性。

此外，本文对YOLO11s中的C3K2模块进行了改进，采用了PKI（Parallel Kernel Interaction）方法。该方法通过更高效的并行卷积组合，提高了模型在特征提取过程中的效率，同时增强了其对关键信息的捕捉能力。这一改进使得YOLO11s-APFAN在保持原有检测速度优势的同时，进一步提升了其在复杂场景下的识别能力。

为了验证YOLO11s-APFAN的性能，本文在两个公开数据集上进行了实验：Fog-LEVIR-Ship和RS-SSDD。Fog-LEVIR-Ship数据集由LEVIR团队创建，包含由高分一号和高分六号卫星拍摄的3876张图像，空间分辨率为16米/像素，仅包含“船舶”类别。该数据集能够有效反映船舶在复杂环境下的识别难度。在Fog-LEVIR-Ship数据集上，YOLO11s-APFAN相较于基线模型YOLO11s，在mAP@0.5和mAP@0.5:0.95指标上分别提升了3.2%和1.2%。这表明，该模型在处理模糊和复杂背景下的船舶目标时具有更强的适应能力。

在RS-SSDD数据集上的实验进一步验证了YOLO11s-APFAN的泛化能力。RS-SSDD数据集包含多种类型的遥感图像，涵盖了不同的场景和成像条件。在该数据集上，YOLO11s-APFAN相较于YOLO11s，在mAP@0.5和mAP@0.5:0.95指标上分别提升了1.9%和3.5%。这一结果表明，YOLO11s-APFAN不仅在特定数据集上表现出色，还能够在更广泛的遥感图像场景中保持较高的检测精度。

综上所述，本文提出的YOLO11s-APFAN模型通过引入APFDNet、CAFM、WIoU损失函数和C3K2PKI模块，有效提升了遥感图像中小目标船舶的检测能力。实验结果表明，该模型在多个数据集上的表现优于基线模型，具有较强的泛化能力和适应性。这一研究成果为遥感图像中的船舶检测提供了新的技术路径，也为未来在更复杂场景下的应用奠定了基础。

YOLO11s-APFAN的提出不仅针对遥感图像中船舶检测的特殊需求，还结合了当前深度学习领域的最新进展。通过引入自适应金字塔结构，该模型能够更有效地处理不同尺度的目标，特别是在遥感图像中，船舶的大小和形态可能因拍摄角度、分辨率和环境因素而发生变化。这种自适应性使得模型在面对复杂场景时具备更强的鲁棒性。

在特征提取方面，YOLO11s-APFAN通过APFDNet和CAFM的结合，增强了模型对多通道特征的处理能力。APFDNet通过自适应特征扩散和聚合机制，使得模型能够更全面地捕捉目标的局部和全局特征。而CAFM则通过引入注意力机制，使得模型能够更灵活地调整不同通道之间的特征权重，从而提升小目标的识别精度。这种特征提取方式不仅提高了模型的表达能力，还减少了对传统卷积操作的依赖，使得模型在处理高分辨率遥感图像时更加高效。

在损失函数的设计上，WIoU的引入是YOLO11s-APFAN的重要创新之一。传统的CIoU损失函数在处理部分重叠和梯度消失问题时存在一定的局限性，尤其是在遥感图像中，由于目标与背景之间的重叠情况较为复杂，导致模型在训练过程中难以有效收敛。而WIoU通过引入更精细的重叠度计算方式，有效缓解了这一问题，提升了模型在不同图像质量下的检测稳定性。这一改进使得YOLO11s-APFAN在处理模糊、低分辨率或高噪声图像时，能够保持较高的检测精度。

此外，C3K2PKI模块的引入进一步优化了模型的特征提取和信息融合能力。该模块结合了多尺度卷积和注意力机制，使得模型能够在不同尺度下更精准地捕捉目标的细节特征。这一设计不仅提升了模型的检测能力，还增强了其对复杂场景的适应性，使得YOLO11s-APFAN在处理高密度和复杂背景下的船舶目标时表现出更强的鲁棒性。

YOLO11s-APFAN的成功不仅体现在其在实验数据集上的优异表现，还在于其在实际应用中的潜力。随着遥感技术的不断发展，船舶检测的应用场景也在不断扩展。例如，在海洋监测中，准确识别船舶的位置和数量对于航线规划、海洋安全管理和资源调度具有重要意义。而在海上交通管理中，船舶检测技术能够为船舶调度、航道监控和事故预警提供数据支持。因此，YOLO11s-APFAN的提出为这些实际应用提供了新的技术手段，有助于提升遥感图像处理的效率和精度。

本文的研究还揭示了当前船舶检测技术在遥感图像中的发展方向。一方面，模型需要具备更强的特征提取能力，以应对复杂背景和小目标的识别挑战；另一方面，模型的计算效率和参数规模也需要得到优化，以适应实际部署的需求。YOLO11s-APFAN通过引入自适应金字塔结构、注意力机制和优化的损失函数，有效平衡了检测精度与计算效率，为未来船舶检测技术的发展提供了新的思路。

在实际应用中，YOLO11s-APFAN可以用于多种场景，包括但不限于船舶交通监控、海洋资源管理、环境监测和军事侦察等。这些应用场景对检测精度和实时性都有较高的要求，而YOLO11s-APFAN的优化设计使得其能够在这些场景中发挥重要作用。例如，在船舶交通监控中，YOLO11s-APFAN能够快速识别船舶的位置和轨迹，为交通管理和调度提供支持；在海洋资源管理中，该模型可以用于监测海洋中的船舶活动，帮助制定合理的资源利用策略；在环境监测中，YOLO11s-APFAN能够识别船舶对海洋环境的影响，为生态保护提供数据支持；而在军事侦察中，该模型能够用于识别敌方船舶的活动，提高战场感知能力。

此外，YOLO11s-APFAN的研究也为其他小目标检测任务提供了借鉴。遥感图像中的船舶检测是小目标检测的一个典型应用，而小目标检测在其他领域同样具有重要的研究价值。例如，在卫星图像中识别建筑物、车辆或人员等小目标，以及在医学图像中识别微小病灶等任务，都可以从YOLO11s-APFAN的设计思路中获得启发。因此，本文的研究不仅推动了遥感图像处理技术的发展，也为其他领域的图像识别任务提供了新的方法。

在技术实现方面，YOLO11s-APFAN的结构设计充分考虑了实际应用的需求。例如，APFDNet的自适应金字塔结构能够有效处理不同尺度的目标，而CAFM的注意力机制则能够提升模型对多通道特征的处理能力。这些模块的结合使得YOLO11s-APFAN在保持原有YOLO模型快速推理优势的同时，提升了其在复杂场景下的检测性能。此外，WIoU损失函数的引入进一步优化了模型的训练过程，使其能够更稳定地收敛，并在不同图像质量下保持较高的检测精度。

从实验结果来看，YOLO11s-APFAN在多个数据集上的表现优于基线模型，显示出其在遥感图像处理中的强大潜力。尤其是在Fog-LEVIR-Ship和RS-SSDD数据集上的提升，进一步验证了该模型在复杂环境下的适应能力。这表明，YOLO11s-APFAN不仅能够处理常见的遥感图像挑战，还能够在不同类型的图像中保持较高的检测稳定性。

YOLO11s-APFAN的研究成果为未来遥感图像处理技术的发展提供了重要的参考。随着遥感技术的不断进步，图像的分辨率和数据量将不断增加，这对目标检测模型提出了更高的要求。YOLO11s-APFAN的自适应金字塔结构和多尺度卷积设计，使其能够更好地适应高分辨率和大规模数据的处理需求。同时，该模型在保持较低计算成本的同时，提升了检测精度，为实际应用提供了更优的选择。

综上所述，YOLO11s-APFAN的提出为遥感图像中的船舶检测提供了新的解决方案。该模型通过引入自适应金字塔结构、注意力机制和优化的损失函数，有效提升了小目标检测的准确性和鲁棒性。实验结果表明，YOLO11s-APFAN在多个数据集上的表现优于基线模型，显示出其在复杂环境下的适应能力。这一研究成果不仅推动了遥感图像处理技术的发展，也为其他领域的图像识别任务提供了新的方法。未来，随着遥感技术的进一步发展，YOLO11s-APFAN的优化设计将为更多实际应用提供支持，推动目标检测技术在遥感领域的广泛应用。