摘要:针对水下目标检测中的尺度不一、重叠遮挡目标的漏检问题, 提出了一种改进的YOLOv8水下目标检测算法. 首先, 在主干网络中引入可变形卷积 (deformable convolution network, DCN), 通过卷积核自适应形变的机制, 提高模型对重叠遮挡目标的特征提取能力; 其次, 设计了一种空洞卷积空间金字塔模块(atrous spatial pyramid faster, ASPF), 扩大输出特征图的感受野, 提高模型对水下多尺度目标的感知能力; 最后, 对损失函数进行改进, 优化模型的训练过程并提高定位精度. 将改进算法在URPC数据集上进行实验, 结果表明改进算法的检测精度达到了87.3%, 相较于原始算法YOLOv8提高了3.4%, 同时能够精准检测水下多尺度、重叠遮挡目标.