轻量型YOLOv5s车载红外图像目标检测

作者：刘彦磊^*; 李孟喆; 王宣宣

来源：中国光学(中英文), 2023, 16(05): 1045-1055.

DOI：10.37188/co.2022-0254

• 自动驾驶
• 目标检测
• 红外图像
• 轻量型
• YOLOv5s

车载红外图像的目标检测是自动驾驶进行道路环境感知的重要方式。针对现有车载红外图像目标检测算法中内存利用率低、计算复杂和检测精度低的问题，提出了一种改进YOLOv5s的轻量型目标检测算法。首先，将C3Ghost和Ghost模块引入YOLOv5s检测网络，以降低网络复杂度。其次，引进αIoU损失函数，以提升目标的定位精度和训练效率。然后，降低网络结构下采样率，并利用KMeans聚类算法优化先验框大小，以提高小目标检测能力。最后，分别在主干网络和颈部引入坐标注意力（Coordinate Attention,CA）和空间深度卷积模块进一步优化模型，提升模型特征的提取能力。实验结果表明，相对于原YOLOv5s算法，改进算法的模型大小压缩78.1%，参数量和每秒千兆浮点运算数分别减少84.5%和40.5%，平均检测精度和检测速度分别提升4.2%和10.9%。

• 单位
  河南师范大学; 物理学院