基于MCA-YOLO的轻量级红外实时目标检测算法

作者：刘冬; 李庭鑫; 杜宇; 丛明

来源：华中科技大学学报(自然科学版)科技大学, 2022, 1-7.

DOI：10.13245/j.hust.239405

• 红外图像
• 目标检测
• 注意力机制
• 轻量级
• 迁移学习

针对地面复杂场景下，红外目标检测准确率低、网络模型过大难以应用于移动或嵌入式平台等问题，本文提出一种轻量级红外实时目标检测模型MCA-YOLO。基于YOLOv4模型，主干网络采用Mobilenet-v2网络，其余部分网络采用深度可分离卷积替代部分标准卷积，减少模型参数和计算量；在模型颈部网络中嵌入坐标注意力模块CA (Coordinate Attention)，增强模型特征提取能力；通过k-means聚类算法重新设计模型Anchor，提高模型检测精度；采用迁移学习策略进行模型预训练，加快模型收敛速度。实验结果表明，本文提出的检测模型相较于YOLOv4，模型参数量减少81%，检测速度提升47%，检测精度提升6.34%。同时保证准确率和实时性，可以满足军事及安防领域对红外目标进行实时检测的需要。

• 单位
  大连交通大学; 大连理工大学