基于改进YOLOX的红外目标检测算法

作者：谌海云; 余鸿皓^*; 王海川; 黄忠义

来源：电子测量技术, 2022, 45(23): 72-81.

DOI：10.19651/j.cnki.emt.2210042

• 卷积神经网络
• 红外目标检测
• YOLOX
• 注意力机制
• 特征融合

针对红外目标图像分辨率低，缺少纹理细节，存在复杂背景干扰导致检测精度低的问题，提出一种基于改进YOLOX的红外目标检测算法。首先，设计了一种有效的空间通道混合注意力模块，将其引入在特征提取主干网络CSP-Darknet53中，以减少网络由于远距离传输造成的精度损失；其次，为了进一步提升红外目标的检测精度，在原本加强特征提取网络PANet的基础上提出一种改进的路径特征融合方法；最后，为了解决红外目标中小物体预测精度低的问题，在YOLOX输出检测头处进行反卷积操作扩大输出特征图。在FLIR红外公开数据集上进行实验，实验结果表明，所提算法识别的平均精度均值(mAP)达91.00%,相比于基准YOLOX网络的平均精度提升了5.04个百分点，对于提升红外目标的检测精度是有效的。

• 单位
  西南石油大学