YOLOv8n-PFA: चुनौतीपूर्ण वातावरण में बेहतर लक्ष्य पहचान के लिए एक समानांतर संलयन ध्यान नेटवर्क

परिचय: जलमग्न लक्ष्य पहचान समुद्री पर्यावरण निगरानी और महासागर अन्वेषण में महत्वपूर्ण भूमिका निभाती है। हालांकि, कमजोर प्रकाश, धुंधले छोटे वस्तुओं और जटिल पृष्ठभूमि हस्तक्षेप के कारण सटीक पहचान चुनौतीपूर्ण बनी रहती है। यद्यपि समीकरणीय तंत्रिका नेटवर्क-आधारित डिटेक्टरों ने पहचान प्रदर्शन में सुधार किया है, कई मौजूदा दृष्टिकोण गणनात्मक रूप से महंगे हैं, जो सीमित संसाधनों वाले जलमग्न प्लेटफार्मों पर उनकी तैनाती को सीमित करता है। विधियाँ: इन चुनौतियों को संबोधित करने के लिए, हम YOLOv8n-PFA प्रस्तावित करते हैं, जो एक हल्का और उच्च-सटीकता वाला जलमग्न वस्तु पहचान फ्रेमवर्क है। प्रस्तावित विधि एक नवीन समानांतर संलयन ध्यान (PFA) मॉड्यूल प्रस्तुत करती है जो अवशिष्ट कनेक्शनों का उपयोग करके चैनल और स्थानिक ध्यान को समानांतर रूप से मॉडल करता है ताकि विशिष्ट विशेषताओं को बढ़ाया जा सके और पृष्ठभूमि शोर को दबाया जा सके। प्रशिक्षण स्थिरता और स्थानीयकरण सटीकता को बेहतर बनाने के लिए Wise Intersection over Union (WIoUv3) लॉस शामिल किया गया है। इसके अतिरिक्त, मॉडल पैरामीटर और गणनात्मक जटिलता कम करने के लिए गहराई-वार (डैप्थ-वाइज) कन्वोल्यूशन (DWConv) का रणनीतिक रूप से प्रयोग किया गया है। सामान्यीकरण क्षमताओं को और सत्यापित करने के लिए, PFA मॉड्यूल को YOLOv11n में भी समाकलित किया गया है। परिणाम: प्रयोगात्मक परिणाम दिखाते हैं कि YOLOv8n-PFA ने URPC2020 डेटासेट पर 2.68 M पैरामीटर और 7.7 GFLOPs के साथ 84.2% औसत सटीकता (mAP) प्राप्त की, और RUOD डेटासेट पर 2.98 M पैरामीटर और 7.9 GFLOPs के साथ 84.8% mAP। जब YOLOv11n में समाकलित किया गया, तो मॉडल ने केवल 2.76 M पैरामीटर और 6.5 GFLOPs के साथ URPC2020 पर 84.7% mAP और RUOD पर 85.3% mAP प्राप्त किया। दोनों डेटासेट्स में, प्रस्तावित दृष्टिकोण ने मानक मॉडलों की तुलना में mAP में 2.8-4.1% सुधार किया जबकि हल्का वास्तुकला बनाए रखा। चर्चा: परिणाम दर्शाते हैं कि प्रस्तावित फ्रेमवर्क चुनौतीपूर्ण समुद्री वातावरणों में वास्तविक समय जलमग्न लक्ष्य पहचान के लिए प्रभावी और गणनात्मक रूप से कुशल समाधान प्रदान करता है। विभिन्न YOLO पीढ़ियों में स्थिर प्रदर्शन सुधार प्रस्तावित PFA मॉड्यूल की मापनीयता और मज़बूती की पुष्टि करते हैं।