적외선 다중 스펙트럼 융합 함선 목표 탐지 모델의 크기가 크고 효율이 낮아 임베디드 장치에 배포하기 어려운 문제를 해결하기 위해 본 논문에서는 YOLOv8n-MF를 기반으로 한 경량 함선 목표 적외선 다중 스펙트럼 융합 탐지 모델 YOLOv8n-MFLW를 제안한다. 우선, 경량 네트워크 HGNetv2를 도입하여 백본 네트워크를 대체하고, GSConv 합성을 기반으로 HGBlock과 C2f 모듈을 재구성하여 모델 매개변수 수를 줄이면서도 모델 특징 추출 및 융합 능력을 유지한다; 적응형 희소 구조적 가지치기 알고리즘 La-Depgraph를 제안하여 모델 매개변수를 더욱 크게 줄인다; 마지막으로, 중간 특징 지식 증류 학습 전략을 사용하여 가지치기로 인한 정확도 손실을 복원하고 모델의 탐지 성능을 향상시킨다. 실험 결과 원래 모델에 비해 개선된 경량 함선 목표 적외선 다중 스펙트럼 융합 탐지 모델의 탐지 정확도는 96.4%에 달하며 1.2% 향상되었고, 모델 매개변수 수, 계산량 및 메모리 사용량은 각각 0.9MB, 3.5 GFlops, 2.3MB로 88.1%, 81.2%, 82.8% 감소하였다. 따라서 본 논문에서 제안한 모델은 크기가 작고 정확도가 높으며 탐지 성능이 우수하여 복잡한 환경에서의 함선 목표 탐지 작업에 적합하다.

적외선 함선; 다중 스펙트럼 목표 탐지; 경량화; 모델 가지치기; 지식 증류