基于注意力机制和改进YOLOv3的红外弱小目标检测

作者：冯伟; 薛如翔; 傅志凌; 席永辉; 钮赛赛; 肖婷^*; 王喆

来源：飞控与探测, 2023, 6(04): 84-94.

• 红外弱小目标
• 目标检测
• YOLOv3
• 深度学习
• 注意力机制

红外弱小目标检测技术是红外探测系统的核心技术之一。针对远距离复杂场景下红外弱小目标对比度低、信噪比低和纹理特征稀疏分散导致目标检测率低的问题，提出一种融合注意力机制和改进YOLOv3的红外弱小目标检测算法。首先，在YOLOv3的基础上，用更大尺度的检测头替换最小尺度的检测头，在保证推理速度的基础上有效提升了红外图像中小目标的检测概率。然后，在检测头之前设计了Infrared Attention模块，通过通道间的信息交互，抽取出更加关键重要的信息供网络学习。最后，用完全交并比损失(Complete IoU Loss)替代交并比损失(Intersection over Union Loss)来衡量预测框的检测能力，通过梯度回传实现更好的模型训练。实验结果表明，提出的YOLOv3-DCA能完成多种场景下红外弱小目标的检测任务，且检测准确率、召回率、F1和平均准确率分别达到91.8%、88.8%、93.0%和88.8%,平均准确率比YOLOv3基线提升约7%,与主流的SSD、CenterNet和YOLOv4模型对比平均准确率也取得了目前最优。

• 单位
  上海航天控制技术研究所; 华东理工大学