《Frontiers in Marine Science》：Multi-scale ship detection with high-resolution SAR images based on improved YOLOv8
编辑推荐：
为提升复杂背景杂波下合成孔径雷达（synthetic aperture radar, SAR）船舶目标的检测精度，本文提出一种面向SAR船舶检测任务的改进YOLOv8检测方法。该方法采用三种优化策略，包括坐标注意力（coordinate attention,
为提升复杂背景杂波下合成孔径雷达（synthetic aperture radar, SAR）船舶目标的检测精度，本文提出一种面向SAR船舶检测任务的改进YOLOv8检测方法。该方法采用三种优化策略，包括坐标注意力（coordinate attention, CA）模块、改进的动态蛇形卷积（dynamic snake convolution, DSConv）卷积模块和形状交并比（Shape-IoU）损失函数。通过一系列消融实验验证不同嵌入位置、独立模块及多模块协同优化的有效性。定量结果表明，与原始YOLOv8基线相比，所提方法在精确率、召回率和平均精度均值（mean average precision, mAP）@0.5上取得显著提升。引入的CA模块增强船舶目标的多尺度特征表示，同时削弱无关背景区域的响应。DSConv模块提取细粒度船舶特征，以减少漏检和误检。Shape-IoU损失函数引入形状感知正则化，以优化船舶目标边界框的形状匹配。单独使用时，其可提升多项指标。然而，当与CA和DSConv联合优化时，完整模型在精确率、召回率和mAP@0.5上取得显著增益，但由于多模块耦合效应，mAP@0.5:0.95下降。与多种主流轻量级模型的对比实验表明，所提方法在常规交并比（intersection over union, IoU）阈值下具有更优检测性能。四种极化模式上的可视化结果进一步验证改进模型具有较强的抗杂波能力和稳定的特征提取能力。跨数据集泛化测试表明，在SAR-SHIP（2021）数据集上训练的模型在HRSID和SSDD数据集上保持稳定的精度增益，证明其具有优异的跨域泛化能力。尽管如此，多模块优化带来一定性能权衡。所提方法以牺牲部分精细定位精度和推理速度为代价，获得更高的常规检测精度。其适用于对实时性要求适中的高精度SAR船舶检测场景。
研究背景与问题：高分辨率SAR图像可全天时、全天候提供高分辨率二维图像，是海洋遥感目标监测的重要数据源。但高分辨率SAR图像细节丰富，同时带来三方面检测困难：其一，SAR图像固有斑点噪声，船舶目标由离散强散射点构成，二者共同造成目标边缘模糊和局部纹理畸变，影响目标特征稳定提取；其二，船舶目标尺度跨度极大，大型集装箱船、油轮与小型渔船的尺度差异超过两个数量级，要求检测算法具备强多尺度感知能力；其三，SAR成像场景高度多样，包括港口密集停泊、近岸建筑干扰、岛屿地形遮挡和远海稀疏目标等，严重挑战检测算法泛化能力。现有YOLOv5、YOLOv8、YOLOv10、YOLOv11、YOLOv12及RT-DETR等模型多面向光学图像设计，直接用于SAR图像时在复杂海杂波和海岸干扰下性能下降；部分SAR专用改进YOLO通过注意力增强或改进卷积抑制背景噪声，但仍需权衡多尺度特征表示与边界框回归精度。为此，研究人员面向高分辨率SAR图像复杂背景下的多尺度船舶检测开展改进YOLOv8研究。
研究人员在原始YOLOv8框架上从特征提取、特征增强和边界框回归三个维度进行优化，构建CA注意力模块、DSConv卷积模块和Shape-IoU损失函数协同的SAR定制化检测框架，并通过消融实验、主流轻量模型对比、四极化可视化及跨数据集测试验证有效性。研究表明，该方法在精确率、召回率和mAP@0.5上优于原始YOLOv8基线，在常规IoU阈值下具有较强检测性能和抗杂波能力，并具有跨域泛化能力；但其以mAP@0.5:0.95下降和推理速度降低为代价，适用于精度优先、实时性要求适中的SAR船舶检测场景。其意义在于形成面向SAR图像特性的多模块协同优化系统，而非通用视觉模块的简单堆叠。
关键技术方法（不超过250字）：研究人员将CA模块嵌入颈部网络，将DSConv替换主干P4、P5阶段C2f模块中的第二个标准卷积以构建C2f_DSConv，并以Shape-IoU替换CIoU回归分支。实验采用公开SAR-SHIP（2021）数据集，该数据集基于210个原始SAR场景（GF-3 72景、Sentinel-1 138景），经滑窗裁剪和去重后得到39729个256×256像素图像块，按6:2:2划分训练、验证和测试集；跨数据集测试使用HRSID和SSDD，输入统一为320×320像素，基线为YOLOv8轻量变体。
研究结果：
4.1 实验环境与数据集：通过构建多源、多尺度、多极化SAR-SHIP（2021）数据集并统一训练测试协议，明确实验在NVIDIA RTX 4090平台、PyTorch 2.5.0环境下进行，输入320×320像素、批大小16、训练200轮，采用精确率（P）、召回率（R）、mAP@0.5、mAP@0.5:0.95、参数量（Params）、浮点运算量（floating point operations, FLOPs）和每秒帧数（frames per second, FPS）评价；FPS仅作参考。结论是该数据集覆盖港口、近岸、岛屿和远海等典型场景及多种船型，可为方法验证提供多源多尺度样本。
4.2 对比实验与结果分析：通过与YOLOv5、YOLOv8、YOLOv10、YOLOv11、YOLOv12和RT-DETR对比，所提模型取得P=0.908、R=0.904、mAP@0.5=0.925、mAP@0.5:0.95=0.514、Params=11.19 M、FLOPs=28.6 G、FPS=588；相较YOLOv8基线P和R提升，mAP@0.5优于原始YOLOv8及多数同尺度轻量YOLO模型，常规IoU阈值下优于RT-DETR；但FPS显著低于基线。四极化可视化表明改进模型置信度更高并能抑制背景杂波误检。结论是该方法常规阈值检测精度较强、抗杂波稳定，但实时性受限。
4.3 不同CA模块嵌入位置的对比实验与分析：通过将CA分别嵌入主干和颈部进行消融，backbone嵌入仅使mAP@0.5和mAP@0.5:0.95小幅变化且P、R略降；neck嵌入取得P=0.891、mAP@0.5=0.923、mAP@0.5:0.95=0.531，均优于基线及backbone嵌入，参数和FLOPs仅略增，FPS稳定在909。结论是颈部为CA模块最优嵌入位置，可增强多尺度融合特征筛选并抑制背景噪声。
4.4 不同卷积模块的消融实验分析：通过比较SPDConv、WTConv、SAConv和DSConv，DSConv取得最佳P=0.901、R=0.899、mAP@0.5=0.929，Params=11.352 M、FLOPs=28.9 G、FPS=476；SPDConv和WTConv降低mAP@0.5:0.95和FPS，SAConv增加参数、降低速度且mAP@0.5:0.95较低。结论是DSConv在检测精度与模型成本之间更适合该SAR船舶检测任务。
4.5 消融实验与分析：通过CA、DSConv、Shape-IoU的单模块、双模块和三模块联合消融，单模块均能不同程度提升P、mAP@0.5和mAP@0.5:0.95；CA与Shape-IoU对mAP@0.5:0.95提升较明显；CA+DSConv双模块取得最高mAP@0.5:0.95=0.532；最终三模块模型取得P=0.908、R=0.904、mAP@0.5=0.925，但mAP@0.5:0.95降至0.514，FPS降至588。结论是多模块协同显著提升常规IoU阈值指标并减少漏检误检，但牺牲高IoU精细定位和推理速度；原文将三模块同时启用时的mAP@0.5:0.95下降归因于多模块耦合对斑点模糊船舶目标产生的细微累积边界扰动。
4.6 跨数据集泛化实验分析：通过在SAR-SHIP（2021）上训练并直接测试HRSID和SSDD，HRSID上P由0.824升至0.832、R由0.507升至0.508、mAP@0.5由0.544升至0.547、mAP@0.5:0.95由0.213降至0.204；SSDD上P由0.816升至0.825、R由0.634升至0.646、mAP@0.5由0.684升至0.692、mAP@0.5:0.95由0.263降至0.247；源数据集上P、R、mAP@0.5提升而mAP@0.5:0.95略降。结论是该方法在常规IoU阈值下保持稳定正增益并减少漏检误检，具有良好跨域泛化能力；mAP@0.5:0.95略降与源域和目标域在目标尺度分布、成像信噪比及背景杂波特征上的域差异有关，多模块协同对极小目标或模糊边界样本的精细定位存在一定负面影响。
讨论与结论翻译：讨论表明，多模块优化提升常规IoU阈值下的检测性能，但牺牲部分由mAP@0.5:0.95反映的精细定位性能，并降低推理速度，因此模型更适合精度优先而非严格像素级定位或超高实时要求的SAR船舶检测任务。研究结论翻译如下：本文提出一种面向SAR船舶检测的多模块改进YOLOv8模型。消融实验验证CA注意力模块的最优嵌入位置为颈部层，因该层具有多尺度特征融合特性，CA可增强特征筛选并减弱无关背景区域响应。所采用DSConv卷积模块较SPDConv、WTConv和SAConv具有更好的特征提取性能，仅带来边际计算开销并获得稳定精度增益。进一步与Shape-IoU损失函数集成后，多模块协同优化在精确率、召回率和mAP@0.5上取得显著提升。值得注意的是，尽管各单模块保持或提升严格定位指标mAP@0.5:0.95，但当CA、DSConv和Shape-IoU同时工作时出现模块耦合效应，完整模型以mAP@0.5:0.95下降为代价，在所有对比方案中获得最优精确率、召回率和mAP@0.5。与YOLOv5、YOLOv8、YOLOv10、YOLOv11、YOLOv12和RT-DETR的定量比较表明，所提方法具有竞争性检测精度；多极化SAR图像可视化结果证实改进模型增强目标特征响应并抑制复杂背景杂波；跨数据集实验验证该优化策略对多样SAR船舶检测任务具有良好跨数据集泛化能力。该方法存在两项主要权衡：一方面，多模块优化提升常规IoU阈值检测性能但牺牲部分精细定位性能；另一方面，推理速度相较基线下降。因此，所提模型更适用于优先考虑检测精度而非严格要求像素级定位或超高实时性的SAR船舶检测任务。未来工作将探索更轻量模块设计和自适应优化策略，以平衡检测精度、精细定位能力和推理效率，适应同时需要实时处理和高精度定位的实际场景。
