一种基于YOLOv5s的红外图像目标检测改进算法

作者：李晓佩; 张寅宝^*; 李严培; 姚芸星

来源：激光与红外, 2023, 53(07): 1043-1051.

• YOLOv5s
• 红外目标检测
• 跨域迁移学习
• SENet
• α-CIoU Loss

受热红外成像方式限制，交通场景下红外图像存在对比度低、目标尺度和姿态的多样性以及目标之间的相互遮挡问题，从而造成检测精度下降，部分目标出现漏检、误检的情况。本文在YOLOv5s的基础上提出一种改进算法：在数据处理方面，使用AHE算法对训练集图像进行部分数据增强；在模型改进方面，通过引入跨域迁移学习策略、插入通道注意力机制SENet、改进损失函数GIoU为α-CIoU对YOLOv5s进行改进。并通过消融实验的方式，在自制数据集上对夜间道路环境下的电动自行车驾驶行为进行检测。实验结果表明，改进后的算法对单人驾驶电动自行车行为检测的平均精度达到了95.9%,比YOLOv5s的检测精度提高了3.1%;对载人驾驶电动自行车行为检测的平均精度达到了88.4%,比YOLOv5s的检测精度提高了9.5%;总类别检测的平均精度达到了92.2%,比YOLOv5s的检测精度提高了6.4%,有效降低了红外目标漏检、误检的概率。

• 单位
  郑州大学