基于改進Yolov8的側掃聲吶圖像目標檢測方法研究

摘要：

針對現有目標檢測方法難以適應側掃聲吶圖像高噪聲、多畸變、特征貧瘠的問題，提出一種基于改進Yolov8的側掃聲吶目標檢測方法。在網絡訓練階段，于Yolov8主干網絡中引入RCS-OSA模塊，進一步提升Yolov8主干網絡的特征提取能力。在推理階段，通過重參數化卷積來增強網絡的特征提取能力，并將其簡化為單一分支，減少內存消耗。之后，使用BiFPN替換Yolov8網絡特征融合模塊，通過反復應用自頂向下和自底向上的多尺度特征融合，進一步優化對不同尺度特征的融合結果，提高對多尺度特征的適應能力。實驗結果表明：所提出方法在各項定量和定性評價中均超越了原始Yolov8網絡檢測方法，平均精度均值（mAP）提升了6.3%。

關鍵詞：

側掃聲吶； Yolov8； 圖像目標檢測； RCS-OSA； BiFPN

中圖法分類號：TP391

文獻標志碼：A

DOI：10.15974/j.cnki.slsdkb.2025.01.007

文章編號：1006-0081（2025）01-0036-07

0 引 言

側掃聲吶作為一種水下聲學成像儀器，具有成圖分辨率高和作業效率高的優勢。在海洋科學、海洋工程、水下搜救與目標識別等領域得到了廣泛的應用［1-4］。

傳統的側掃聲吶圖像目標識別有人工判讀和基于人工特征的自動識別兩大類［5-7］。因側掃聲吶圖像存在高噪聲、目標畸變等因素的影響，人工判讀需要較長的培訓時間，且存在效率低和容易判讀錯誤的問題。基于人工特征的自動識別方法，主要有基于統計量［8-9］、均值聚類［10-11］和馬爾可夫隨機場［12-13］等的檢測方法，特征提取方法和分類器模型均需要實驗確定最優特征和最優分類器模型，且只能對背景簡單的目標有較好的檢測效果［14］，即使是針對同類目標，由于測量時側掃聲吶的參數與目標相對位置和相對姿態的不同，都將使同類目標在側掃聲吶圖像中的表現不一。此外，水下環境中存在大量的噪聲干擾，導致側掃聲吶圖像中目標圖像畸變［15-16］，實現準確快速的側掃聲吶圖像目標檢測有一定的難度［17-18］。因此，傳統的側掃聲吶圖像目標檢測方法適用范圍窄、泛化能力差［19］。

隨著深度學習技術的快速發展，基于神經網絡的側掃聲吶圖像目標檢測方法得到了廣泛應用［20］。Yolo（You Only Look Once）［21］作為經典的目標檢測模型，其簡單的結構和優越的性能在計算機視覺領域備受關注。各式各樣的Yolo改進模型被廣泛應用于側掃聲吶目標檢測中［22-24］。Xu等［25］針對沉船檢測問題用了對抗生成網絡擴增數據和遷移學習思想，并與Yolov1、Faster R-CNN以及傳統算法分水嶺分割和OTSU算法做了實驗對比，表現出了優異的性能。Jiang等［26］為了降低聲吶圖像標注成本，提出了3種主動學習算法并結合了SSD、Faster R-CNN和Yolov1檢測器，其中Faster R-CNN和SSD的性能略好于Yolov1。Yu等［5］首次將transformer引入聲吶圖像目標檢測，并在幾乎沒有增加計算開銷的情況下提高了檢測性能，同時還發現使用預訓練權重的效果更好。也有學者在使用深度學習這項新技術時考慮了傳統方法，如Poap等［27］設計了具有3個階段的側掃聲吶實時自動分析系統，結合了直方圖提取ROI模塊和卷積神經網絡，在實地測試場景下分類準確率達到90%。Le等［28］設計了一個基于Gabor濾波器的單階段目標檢測神經網絡，架構方面參考了Yolov3在多個尺度上進行檢測，相比Tiny Yolov3有13%的精度提升，但推理速度降低了89%。如何有效地表示和處理多尺度特征是目標檢測的主要困難之一。早期的檢測器通常直接根據從主干網絡中提取的金字塔特征層次進行預測。使用特征金字塔網絡（FPN）是一項開創性的工作，它提出了一種自上而下的方法來組合多尺度特征［29-31］。根據這一想法，PANet在FPN之上添加了一個自底向上的路徑聚合網絡［32］，增加了特征融合的有效性。

相較于光學圖像目標檢測，側掃聲吶圖像具備多尺度變化、畸變嚴重、特征貧瘠和高噪聲的特點［33］。為進一步提升基于深度學習的側掃聲吶水下目標檢測方法的泛化性和魯棒性，本文基于Yolov8目標檢測網絡結構，引入RCS-OSA和BiFPN模塊。提出一種針對側掃聲吶多尺度目標圖像的檢測方法，網絡結構如圖1所示。

所提方法的創新性在于：① 針對側掃聲吶圖像特征貧瘠的問題，引入RCS-OSA模塊作為骨干網絡，使得網絡能夠在不同層次上捕捉圖像全局和細節信息，有效提升網絡特征提取能力。② 針對側掃聲吶目標的多尺度變化，引入雙向特征融合結構和加權融合機制，提高了對不同尺度特征的適應性，提升模型對不同尺度目標的泛化性。

1 基于RCS-OSA模塊的Yolov8主干網絡

受測量機制和海洋環境的影響，側掃聲吶圖像普遍存在高噪聲、多畸變、特征貧瘠等問題［34-35］。這些因素嚴重影響了神經網絡的特征提取能力。為此，在Yolov8的主干網絡中引入RCS-OSA結構［29］，增強網絡的特征提取能力。調整后的主干網絡結構如圖2所示。

在圖2中，使用RCS-OSA結構替換了原始主干網絡中的c2f模塊。通過RCS模塊在訓練時利用多分支結構學習豐富的特征表示。在推理階段，將多通道特征進行混洗，通過重參數化卷積來增強網絡的特征提取能力，并簡化為單一分支，減少內存消耗。使用OSA結構，一次性聚合多個特征級聯，通過堆疊RCS模塊，確保特征的復用并加強不同層之間的信息流動。同時減少網絡的計算負擔，并進一步提升了網絡的計算效率。

1.1 RCS模塊

RCS（Reparameterized Convolution based on channel Shuffle）被稱為基于通道shuffle的重參數化卷積，可在訓練階段通過多分支結構學習豐富的特征信息，并在推理階段通過簡化為單分支結構來減少內存消耗，實現快速推理。此外，RCS利用通道分割和通道Shuffle操作來降低計算復雜性，同時保持通道間的信息交換，

這樣在推理階段相比普通的3×3卷積可以減少一半的計算復雜度。通過結構重參數化，RCS能夠在訓練階段從輸入特征中學習深層表示，并在推理階段實現快速推理，同時減少內存消耗。RCS模塊結構如圖3所示。

圖3為RCS模塊的具體結構，分為訓練階段和推理階段。在訓練階段，輸入通過通道分割，一部分輸入經過RepVGG塊，另一部分保持不變。然后通過1×1卷積和3×3卷積處理RepVGG塊的輸出，與另一部分輸入至通道Shuffle并連接。在推理階段，原來的多分支結構被簡化為一個單一的3×3 RepConv塊。這種設計允許在訓練時學習復雜特征，在推理時減少計算復雜度。黑色邊框的矩形代表特定的模塊操作，漸變色的矩形代表張量的特定特征，矩形的寬度代表張量的通道數。

1.2 OSA模塊

側掃聲吶目標種類較多，不同目標之間的尺度也存在較大差異，為提升模型對多尺度目標檢測能力的魯棒性，使用OSA（One-Shot Aggregation）模塊結果聚合，增加網絡對于不同尺度的敏感性，并在最后的特征映射中僅聚合一次所有特征，減少了重復的特征計算和存儲需求，提高網絡的計算效率。將OSA模塊進一步與RCS模塊相結合，形成RCS-OSA模塊。這種結合不僅保持了低成本的內存消耗，而且還進一步保證了特征信息的有效提取。RCS-OSA模塊網絡結構如圖4所示

圖4中輸入被分為兩部分，一部分直接通過，另一部分通過堆疊的RCS模塊進行處理，處理后的特征和直接通過的特征在通道混洗后合并。通過一次性聚合來提高模型處理特征的能力，同時保持計算效率。進一步利用特征級聯方法聚合不同層次的特征，提高模型的特征提取能力，減輕網絡計算負擔并降低內存占用。

2 多尺度特征融合網絡

Yolov8網絡采用FPN-PAN的網絡結構實現多尺度特征融合，但是受輸入特征的分辨率限制，FPN-PAN的結構難以平衡多尺度特征之間的融合，難以充分利用不同尺度的特征［36-37］。此外，受測量機制和海洋環境影響，側掃聲吶圖像質量較差，并且不同目標尺度存在較大差異。為此，引入BiFPN模塊進行多尺度特征之間的融合，提升模型的檢測精度［30］。

在傳統的特征金字塔網絡中，所有輸入特征被簡單地相加在一起，而不考慮它們對輸出特征的不同貢獻。在BiFPN中，觀察到由于不同的輸入特征具有不同的分辨率，它們通常對輸出特征的貢獻是不等的。為此，BiFPN引入了可學習的權重來確定不同輸入特征的重要性，從而提高了特征融合的效果，見式（1）

O=∑wi·Ii（1）

式中：wi為可學習的權重，Ii為模塊的輸入特征。為了進一步優化對不同分辨率特征的融合過程，該模塊通過反復應用自頂向下和自底向上的多尺度特征融合，提高了對不同分辨率特征的適應性。不同特征融合網絡模塊結構如圖5所示。

圖5藍色箭頭部分是自頂向下的通路，傳遞高層特征的語義信息；黃色箭頭部分是自底向上的通路，傳遞低層特征的位置信息；紅色部分是跨尺度連接通過添加一個跳躍連接和雙向路徑來實現加權融合和雙向跨尺度連接。圖5中P5的加權雙向金字塔網絡結構可由公式（2）和（3）表示：

Ptd5=Convw1·Pin5+w2·Resize（Pin6）w1+w2+（2）

Pout5=Convw3·Pin5+w4·Ptd5+w5·Resize（Pout4）w3+w4+w5+（3）

式中：w為不同模型層的權重，P為不同模型層的輸出，是一個常量，Conv代表卷積操作，Resize代表尺寸調整操作。

3 實驗與分析

3.1 訓練數據與參數

為驗證本文所提方法的可行性和有效性，以常見的水下沉船目標為例。通過水下測量和網絡搜集，共收集沉船樣本367張，采用隨機原則按照8∶1∶1的比例劃分數據集，其中訓練集293張，測試集38張，驗證集36張，部分沉船數據如圖6所示，網絡模型訓練環境參數如表1所示。

3.2 定量分析

為進一步定量評價本文方法的可行性和有效性，本文選擇常用的精確度（Precision）、召回率（Recall）和平均精度均值（mAP）3個指標進行定量評估。網絡訓練過程中設置batchsize=16，圖像尺寸為640×640，其余參數均相同。模型訓練結果如表2所示。

表2中，B0為Yolov5模型的檢測結果，由于沉船數據存在較大畸變，以及海底混響的影響，模型檢測效果不佳。B1為原始Yolov8網絡模型的檢測結果，由于沉船形狀存在畸變、多尺度變化等因素，原始網絡模型檢測結果一般。B2為引入RCS-OSA模塊之后的檢測模型。利用多分支結構學習豐富的特征表示，并一次性聚合多個特征級聯，有效增加了網絡的特征提取能力，相較于B1，模型的各項指標均有所增加。B3為引入BiFPN模塊之后的檢測模型。使用雙向特征融合和加權融合機制更有效地結合不同尺度的特征，各項定量評估指標相較于B1均有所增加。B4為本文所提出方法的檢測結果。分別引入RCS-OSA和BiFPN模塊，增加了網絡特征提取能力和多尺度特征融合能力，相較于B1，各項評估指標均取得了明顯提升，mAP提升了6.3%。驗證了本文所提出方法的可行性和有效性。

3.3 定性分析

選擇了不同尺度、不同畸變的沉船圖像對不同架構的模型進行測試，測試結果如圖7所示。

圖7中，T1為Yolov8的檢測結果，T2為引入RCS-OSA模塊之后的檢測結果，T3為引入BiFPN模塊之后的檢測結果，T4為本文方法的檢測結果。通過對比檢測結果可以看出。Yolov8存在漏檢、誤檢結果，分別引入RCS-OSA和BiFPN模塊，檢測精度均有所提升，誤檢、漏檢結果均有所下降。T4同時引入RCS-OSA和BiFPN模塊，相同目標的檢測精度相較于T1、T2和T3均有所增加，本文方法檢測結果中的目標框更為精確，驗證了該方法的先進性。

4 結論與展望

針對側掃聲吶目標圖像存在高噪聲、多畸變、特征貧瘠等問題。本文基于Yolov8引入RCS-OSA模塊和加權雙向特征金字塔網絡（BiFPN）。在主干網絡中使用RCS-OSA利用多分支結構學習豐富的特征表示。在推理階段，通道混洗，通過重參數化卷積來增強網絡的特征提取能力，并簡化為單一分支，減少內存消耗。之后使用OSA結果聚合具有不同感受野的特征來增加網絡對于不同尺度的敏感性，并在最后的特征映射中僅聚合一次所有特征，減少了重復的特征計算和存儲需求，提高了網絡的計算效率。使用BiFPN替換原始網絡特征融合模塊，通過反復應用自頂向下和自底向上的多尺度特征融合，進一步優化了不同分辨率特征的融合過程。引入可學習權重和多次迭代的自頂向下與自底向上融合，提高了對不同分辨率特征的適應性。實驗表明，本文所提出方法在各項定量和定性評價中均超越了原始Yolov8網絡，平均精度均值（mAP）提升了6.3%。

本文方法針對側掃聲吶高噪聲、目標多尺度變化等因素進行了研究。但是側掃聲吶實時目標檢測仍需要進一步優化模型結構，后續可以針對模型剪枝，在顧及模型檢測精度的基礎上提升檢測效率，且檢測模型的精度還需要進一步提高。隨著新的網絡架構設計的出現，需要驗證新網絡的檢測能力，尋找更優的檢測網絡。

參考文獻：

［1］ 李本源.水下聲光圖像的尺度自適應匹配方法的研究［D］.長春：吉林大學，2021.

［2］ 庫安邦，周興華，彭聰.側掃聲吶探測技術的研究現狀及發展［J］.海洋測繪，2018，38（1）：50-54.

［3］ WILLIAMS D P.Fast target detection in synthetic aperture sonar imagery：A new algorithm and large-scale performance analysis［J］.IEEE Journal of Oceanic Engineering，2015，40（1）：71-92.

［4］ 郭戈，王興凱，徐慧樸.基于聲吶圖像的水下目標檢測、識別與跟蹤研究綜述［J］.控制與決策，2018，33（5）：906-922.

［5］ YU Y，ZHAO J，GONG Q，et al.Real-time underwater maritime object detection in side-scan sonar images based on transformer-YOLOv5［J］.Remote Sensing，2021，13（18）：3555.

［6］ 王曉.側掃聲吶圖像精處理及目標識別方法研究［D］.武漢：武漢大學，2017.

［7］ 蔡璇，許寶華，李道鵬，等.海底纜線綜合探測方法及應用［J］.水利水電快報，2023，44（10）：36-40.

［8］ ABU A，DIAMANT R.A Statistically-based method for the detection of underwater objects in sonar imagery［J］.IEEE Sensors Journal，2019，19（16）：6858-6871.

［9］ ABU A，DIAMANT R.Enhanced fuzzy-based local information algorithm for sonar image segmentation［J］.IEEE Transactions on Image Processing，2019，29（7）：445-460.

［10］ 盛蘊霞，霍冠英，劉靜.基于超像素聚類的側掃聲吶圖像分割算法［J］.計算機工程，2018，44（6）：219-225，232.

［11］ CHANG R，WANG Y，HOU J，et al.Underwater object detection with efficient shadow-removal for side scan sonar images［C］∥OCEANS 2016.Shanghai：IEEE，2016：1-5.

［12］ 張麗麗，王慧斌，王高旭，等.基于馬爾可夫隨機場的水下聲吶圖像目標檢測方法［C］∥中國水利學會.中國水利學會2018學術年會論文集第五分冊.南京：河海大學計算機與信息學院，南京水利科學研究院，2018：7.

［13］ 張麗麗，姜傳港，王慧斌，等.基于形態學重構的側掃聲吶圖像目標分割方法［C］∥中國水利學會.中國水利學會2018學術年會論文集第五分冊.南京：河海大學，2018：8.

［14］ 王晨，陳晶晶，王潤田.利用側掃聲吶實現船舶目標的快速識別［J］.聲學技術，2022，41（2）：199-204.

［15］ 霍冠英，李慶武，王敏，等.Curvelet 域貝葉斯估計側掃聲吶圖像降斑方法［J］.儀器儀表學報，2011，32（1）：170-177.

［16］ 王磊，金紹華，崔楊，等.聯合小波和NLM濾波的側掃聲納回波信號降噪［J］.海洋測繪，2021，41（3）：69-73.

［17］ 張元科.水下聲納圖像目標檢測技術研究［D］.哈爾濱：哈爾濱工程大學，2014.

［18］ 趙建虎，王曉，張紅梅，等.側掃聲吶圖像分割的中性集合與量子粒子群算法［J］.測繪學報，2016，45（8）：935-942，951.

［19］ 李秋實，王旭旸，李國林，等.一種實時、自適應的側掃聲吶小目標分割算法［J］.南開大學學報（自然科學版），2022，55（3）：15-20.

［20］ 馬國棟.基于改進側掃聲吶法的水下拋石精準識別研究［J］.人民長江，2022，53（4）：210-214.

［21］ REDMON J，DIVVALA S，GIRSHICK R，et al.You only look once：Unified，real-time object detection［C］∥Proceedings of the IEEE conference on computer vision and pattern recognition.Las Vegas：IEEE，2016：779-788.

［22］ 陳禹蒲，馬曉川，李璇.基于YOLOv3錨框優化的側掃聲吶圖像目標檢測［J］.信號處理，2022，38（11）：2359-2371.

［23］ 李書東，王曉，張博宇，等.基于改進YOLOX的側掃聲納圖像沉船檢測方法研究［J］.海洋測繪，2022，42（5）：32-36.

［24］ 鄭云亮.基于改進YOLOv5網絡的側掃聲納圖像目標檢測方法［J］.海洋測繪，2022，42（4）：18-21，26.

［25］ XU L，WANG X，WANG X.Shipwrecks detection based on deep generation network and transfer learning with small amount of sonar images［C］∥2019 IEEE 8th Data Driven Control and Learning Systems Conference （DDCLS）.Dili：IEEE，2019：638-643.

［26］ JIANG L，CAI T，MA Q，et al.Active object detection in sonar images［J］.IEEE Access，2020，8：102540-102553.

［27］ POAP D，WAWRZYNIAK N，WODARCZYK-SIELICKA M.Side-scan sonar analysis using roi analysis and deep neural networks［J］.IEEE Transactions on Geoscience and Remote Sensing，2022，60：1-8.

［28］ LE H T，PHUNG S L，CHAPPLE P B，et al.Deep gabor neural network for automatic detection of mine-like objects in sonar imagery［J］.IEEE Access，2020，8：94126-94139.

［29］ KANG M，TING C M，TING F F，et al.RCS-YOLO：A fast and high-accuracy object detector for brain tumor detection［C］∥International Conference on Medical Image Computing and Computer-Assisted Intervention.Cham：Springer Nature Switzerland，2023：600-610.

［30］ TAN M，PANG R，LE Q V.Efficientdet：Scalable and efficient object detection［C］∥Proceedings of the IEEE/CVF conference on computer vision and pattern recognition.Seattle：IEEE，2020：10781-10790.

［31］ LIN T Y，DOLLR P，GIRSHICK R，et al.Feature pyramid networks for object detection［C］∥Proceedings of the IEEE conference on computer vision and pattern recognition.Venice：IEEE，2017：2117-2125.

［32］ LIU S，QI L，QIN H，et al.Path aggregation network for instance segmentation［C］∥Proceedings of the IEEE conference on computer vision and pattern recognition.Salt Lake City：IEEE，2018：8759-8768.

［33］ 賴修尉，郭亮，鄧宇.測深型側掃聲吶細物識別及淺水測量精度分析［J］.水利水電快報，2022，43（增1）：1-3.

［34］ YUAN F，XIAO F，ZHANG K，et al.Noise reduction for sonar images by statistical analysis and fields of experts［J］.Journal of Visual Communication and Image Representation，2021，74：102995.

［35］ CHANG Y C，HSU S K，TSAI C H.Sidescan sonar image processing：correcting brightness variation and patching gaps［J］.Journal of Marine Science and Technology，2010，18（6）：785-789.

［36］ 趙建虎，王曉，張紅梅.側掃聲吶圖像海底線自動提取方法研究［J］.武漢大學學報（信息科學版），2017，42（12）：1797-1803.

［37］ 趙建虎，王愛學，王曉，等.側掃聲吶條帶圖像分段拼接方法研究［J］.武漢大學學報（信息科學版），2013，38（9）：1034-1038.

（編輯：張 爽）

Research on target detection method of side-scan sonar image based on improved Yolov8

LU Bin，MAO Yixuan，WANG Lu

（Hydrology and Water Resources Survey Bureau of Yangtze River Estuary，Bureau of Hydrology of Changjiang Water Resources Commission，Shanghai 210036，China）

Abstract：

In view of the fact that existing target detection methods are difficult to adapt to the high noise，multi-distortion，and feature-poor characteristics of side scan sonar images，we proposed a side scan sonar target detection method based on an improved Yolov8.In the network training stage，a RCS-OSA module was introduced into the main body of Yolov8 to further enhance the feature extraction ability of the main body of Yolov8.In the inference stage，the feature extraction ability of the network was enhanced by reparameterized convolution，which was simplified into a single branch to reduce memory consumption.Then the BiFPN was used to replace the feature fusion module of Yolov8，and by repeatedly applying top-down and bottom-up multi-scale feature fusion，the fusion results of different scale features were further optimized，thereby improving the adaptability to multi-scale features.The experimental results showed that the proposed method outperformed the original Yolov8 network in all quantitative and qualitative evaluations，with an average precision mean （mAP） increased of 6.3%.

Key words：

side-scan sonar； Yolov8； image target detection； RCS-OSA； BiFPN