基于YOLOv5改进的红外目标检测算法

作者：刘皓皎; 刘力双^*; 张明淳

来源：激光技术, 2023, 1-13.

• 图像处理
• 深度学习
• 红外目标检测
• 卷积神经网络
• 特征融合

为了解决红外图像特征少、对比度不佳导致目标检测时精度低的问题， 首先采用增加一个额外的预测特征层的方法，以提高原始YOLOv5在红外图像中识别率低的问题；同时采用引入坐标注意力机制， 增强对红外目标强特征的提取能力，提高模型的检测精度；再使用双向特征金字塔网络对特征融合网络进行优化，提高模型的表达能力并减少冗余计算；最后针对检测定位差和边界框回归任务中的样本不平衡问题，采用Focal EIoU Loss作为损失函数，加快收敛速度，并使回归过程更加专注于高质量的锚框。实验结果表明，改进的YOLOv5在FLIR数据集上的准确率达到了85.3%，相比于原始网络模型提高了4.2%，不仅具有较高的检测准确率，同时这一结果为在嵌入式设备上部署提供了可行性。

• 单位
  北京信息科技大学