YOLOv8n-PFA: uma rede de atenção de fusão paralela para detecção aprimorada de alvos em ambientes desafiadores

Introdução A detecção de alvos subaquáticos desempenha um papel crucial no monitoramento ambiental marinho e na exploração oceânica. No entanto, a detecção precisa permanece desafiadora devido à baixa iluminação, objetos pequenos borrados e interferência de fundo complexa. Embora detectores baseados em redes neurais convolucionais tenham melhorado o desempenho de detecção, muitas abordagens existentes são computacionalmente caras, limitando seu uso em plataformas subaquáticas com recursos limitados. Métodos Para enfrentar esses desafios, propomos YOLOv8n-PFA, uma estrutura leve e de alta precisão para detecção de objetos subaquáticos. O método proposto introduz um novo módulo Parallel Fusion Attention (PFA) que modela a atenção de canal e espacial em paralelo usando conexões residuais para melhorar características discriminativas enquanto suprime o ruído de fundo. A função de perda Wise Intersection over Union (WIoUv3) é incorporada para estabilizar o treinamento e melhorar a precisão da localização. Além disso, convoluções depth-wise (DWConv) são aplicadas estrategicamente para reduzir os parâmetros do modelo e a complexidade computacional. Para validar ainda mais a capacidade de generalização, o módulo PFA também é integrado ao YOLOv11n. Resultados Os resultados experimentais mostram que o YOLOv8n-PFA alcança 84,2% de mean Average Precision (mAP) no conjunto de dados URPC2020 com 2,68 M parâmetros e 7,7 GFLOPs, e 84,8% mAP no conjunto RUOD com 2,98 M parâmetros e 7,9 GFLOPs. Quando integrado ao YOLOv11n, o modelo alcança 84,7% mAP no URPC2020 e 85,3% no RUOD com apenas 2,76 M parâmetros e 6,5 GFLOPs. Em ambos os conjuntos, a abordagem proposta melhora o mAP em 2,8-4,1% em relação aos modelos base, mantendo uma arquitetura leve. Discussão Os resultados demonstram que a estrutura proposta oferece uma solução eficaz e computacionalmente eficiente para detecção de alvos subaquáticos em tempo real em ambientes marinhos desafiadores. Os ganhos de desempenho consistentes em diferentes gerações do YOLO confirmam ainda a escalabilidade e robustez do módulo PFA proposto.