基于改进YOLOv3的红外行人目标检测

作者：何东; 陈金令^*; 王熙

来源：中国科技论文, 2021, 16(07): 762-769.

• 计算机应用
• 目标检测
• YOLOv3网络
• 轻量化模型
• 注意力机制
• k-means算法

为了实现对行人目标的精准快速识别,提出一种基于改进YOLOv3的红外检测方法。首先,利用深度可分离卷积对YOLOv3网络进行压缩,构建轻量化模型,提高模型的可用性。其次,引入基于通道注意力机制的压缩与激励网络(squeeze-and-excitation network, SENet),使网络能够关注与目标相关的特征通道并抑制其他无关的通道,增强模型特征提取能力。最后,基于k-means算法对红外数据集进行维度聚类,获取更适合行人目标宽高比的先验框。利用CVC-09红外行人数据集做验证性实验,结果显示:改进后的YOLOv3平均精度达到了92.25%,检测速度为21帧/s,相较于原始YOLOv3分别提高了3.46%和16.67%。实验结果表明,改进后的模型能在保证检测精度的同时,有效减少参数量,提高检测速度。

• 单位
  西南石油大学