基于YOLO v7的轻量级红外目标检测算法

作者：陈永麟; 王恒涛; 张上

来源：红外技术, 2023, 1-9.

• 目标检测
• 模型轻量化
• YOLOv7
• PConv
• PolyLoss
• SIoU

针对红外图像信噪比低、分辨率不佳、噪声与杂波多等检测难点。提出一种基于YOLOv7的轻量化红外图像目标检测算法ITB-YOLO。首先，ITD-YOLO算法重设计网络结构，对特征提取网络与特征融合网络架构重新调整。裁剪掉原网络中深层对应的大感受野，依据重构后网络特征图输出，对模型预设锚框进行调节。改变多尺度特征融合中的深层特征与浅层特征的关系，提高浅层网络提取的细节信息在融合中所占的权重，提高对较小目标的检测性能；然后，在ELAN模块中引入PConv替换掉常规卷积，进一步降低模型计算量。其次，将模型损失函数调整为PolyLoss以加速模型收敛，进一步加强对目标的检测性能；最后，使用SIoU作为边框损失函数，增强对目标的定位精度。实验结果表明，ITB-YOLO能够有效改善检测效果，在FLIR与OSU数据集上检测精度分别提高2.27%与7.29%；模型体积下降75.2%，参数量减少75.4%，计算量下降37.11%；与主流算法进行对比，ITDYOLO在各项指标均得到了一定程度的提高，能够满足红外目标实时检测任务。