水中の屈折散乱、照明の不均一性により対象のテクスチャがぼやけ、水生生物は多くがカモフラージュされた密集した小さなターゲットであり、水中資源が限られたプラットフォームでは軽量化とリアルタイム性に制約があり、これらの要因が水中ターゲット検出の難易度を高めている。本稿では、単一ヘッド自己注意機構と周波数領域-空間領域融合を有するYOLOv8n改良モデルであるYOLOv8n-SDを提案する。まず、局所および全局特徴融合を強化したバックボーンネットワークを設計し、動的にチャンネル比率を分割する単一ヘッド自己注意機構により、一部のチャンネルから長距離の全局情報を効率的に抽出し、高効率特徴抽出ブロックで抽出した局所の詳細情報と融合することで局所と全局特徴の補完的強化を実現した。次に、Haar小波変換と空間から深度への変換に基づくダウンサンプリングモジュールを設計し、浅層の高解像度特徴に含まれる重要な高周波数および空間情報を融合する周波数-空間域効率的融合ネックネットワークを構築し、同時に高速正規化重み付け戦略を採用してマルチスケール特徴融合効率を動的に最適化した。公開された水中データセットURPC2020およびRUODにおいて、YOLOv8n-SDのmAP_0.5∶0.95およびmAP₅₀の指標はそれぞれ51.2％、85.7％および50.6％、85.0％に達した。同時に、基準モデルに比べパラメータ数は42.3％削減され、計算負荷は17.2％軽減された。比較実験により、本モデルが複雑な多様な水中環境において優れた検出精度と頑健性を示すことをさらに検証した。

水中ターゲット検出;自己注意機構;Haar小波変換;小さなターゲット検出