摘要: 摘 要: 由于水下生物的特性,水下图像中存在较多难以检测的小目标且目标之间经常相互遮挡,且水下环境中的光线吸收和散射也会造成水下图像的颜色偏移和模糊。针对上述问题,提出了水下目标检测算法WCA-YOLOv8。首先,设计特征融合模块(FFM),增强对空间维度信息的关注,提升对模糊和颜色偏移目标的识别能力。其次,加入FCA注意力特征提取模块,增强对相互重叠、遮挡水下目标的特征提取能力。第三,为了提高模型对水下小目标的检测性能,将CIoU损失函数替换为WIoU v3损失函数。最后,设计下采样DEM模块,使特征提取过程中保存的上下文信息更加完整,改善水下目标检测的性能。基于RUOD和URPC数据集上的实验表明WCA-YOLOv8可以在这两个数据集上分别达到75.8%和88.6%的检测准确率,还可以达到60FPS和57FPS的检测速度。与其他前沿的水下物体检测算法相比,WCA-YOLOv8不仅能够获得更高的检测准确性,还可达到更快的检测速度。