摘要：针对SAR图像中小尺度舰船目标检测困难以及目标尺度差异大导致的漏检、误检和置信度偏低问题，同时考虑到模型参数量过大对边缘部署适应性的限制，本文提出了基于小波变换与多尺度增强的轻量化检测算法LWMS-YOLOv10n。首先，在骨干网络的特征融合过程中融入小波变换，并设计AIFI＿RepBN优化PSA模块，从而提升特征提取能力；其次，在颈部结构中加入注意力尺度序列融合模块ASF-P2（Attentional Scale Sequence Fusion），并结合深度可分离卷积，以增强多尺度特征图的融合效果，提升网络的轻量化表现；最后，自研设计ParamLiteHead检测头大幅了减少参数量。改进后的模型相较于YOLOv10n模型参数减少了43.54%，通过在公开数据集HRSID和MSAR-1.0上验证，准确率提升了0.45%和1.17%，召回率提升了1.87%和4.38%，mAP50提升了1.25%和1.16%；实验结果证明，该算法在实现轻量化设计的同时，有效改善了漏检、误检和置信度偏低的问题。
文章目录
0 引言
1 YOLOv10n目标检测算法
2 改进YOLOv10n目标检测算法
2.1 C2F-WTconv模块
2.2 AIFI＿RepBN模块
2.3 ASF-P2模型
2.4 ParamLiteHead检测头
3 实验结果与分析
3.1实验数据分析
3.2实验环境与参数配置
3.3实验指标
3.4消融实验
3.5对比实验
4 总结
