科研之友
微信
新浪微博
Facebook
分享链接
摘要
智能设备对行人和车辆的目标检测对于建设智慧城市有着重要的意义。随着红外技术的发展和普及，红外成像科技具有强抗干扰和全天候的特性，被越来越多地用于解决可见光受限环境带来的问题。论文提出了一种改进YOLOv4深度学习算法对红外图像下的行人车辆进行检测。改进的YOLOv4算法加入了CA注意力机制模块，将位置信息嵌入到通道注意中，增强了对感兴趣区域的表示。此外还设计了CSP2-DBL模块，替换了原本简单的卷积模块叠加，对高分辨率特征性信息的做出了弥补。为了进一步提高网络计算速度，减少计算量，针对红外图像特性，对Head部分进行了裁剪。实验结果表明改进后的模型在FLIR红外数据集上较YOLOv4模型在mAP上提高了0.85个百分点，检测速度提升了2 f/s。
