赤外線マルチスペクトル融合船舶目標検出モデルの体積が大きく効率が低いため、組み込み機器での展開が困難である問題に対し、本論文ではYOLOv8n-MFに基づき軽量船舶目標赤外線マルチスペクトル融合検出モデルYOLOv8n-MFLWを提案する。まず、軽量ネットワークHGNetv2を導入してバックボーンネットワークを置き換え、GSConv畳み込みを基にHGBlockとC2fモジュールを再構築することでモデルのパラメータ数を削減しつつ、モデルの特徴抽出および融合能力を保持する。次に、適応型スパース構造化プルーニングアルゴリズムLa-Depgraphを提案してモデルをさらに大幅に剪定する。最後に、中間特徴知識蒸留学習戦略を採用してプルーニングによる精度損失を回復し、モデルの検出性能を向上させる。実験結果は、元のモデルと比較して改良された軽量船舶目標赤外線マルチスペクトル融合検出モデルの検出精度が96.4%に達し、1.2%向上し、モデルパラメータ数、計算量およびメモリ使用量はそれぞれ0.9MB、3.5 GFlops、2.3MBで、88.1%、81.2%、82.8%減少したことを示している。したがって、本論文で提案するモデルは体積が小さく精度が高く、より良い検出性能を有し、複雑な環境下での船舶目標検出タスクに対応できる。

赤外線船舶;マルチスペクトル目標検出;軽量化;モデル剪定;知識蒸留