低空轻量级红外弱小目标检测算法

作者：张上; 黄俊锋; 王恒涛; 陈永麟; 王康

来源：激光与红外, 2024, 54(01): 122-129.

DOI：10.3969/j.issn.1001-5078.2024.01.018

• 目标检测
• 模型剪枝
• YOLOv5
• SIoU
• Varifocal loss

精准的红外弱小目标检测是实时监控、追踪、制导的关键；红外弱小目标存在检测难度高、误检高、漏检严重的问题。为了提高红外弱小目标检测算法的实时性和检测精度，提出了一种超轻量红外弱小目标检测算法SL-YOLO。首先，重设计下采样方案，针对红外图像特征信息调节网络架构，解决红外弱小目标特征梯度降低和特征消失问题；然后设计网络模型剪枝算法，实现剪枝算法与网络结构的融合，去除冗余参数，实现检测速度的提高；最后设计Varifocal-SIoU损失函数，在均衡正负样本与重叠损失的同时，对正样本进行加权处理，解决背景干扰问题。实验结果表明，在SIRST和IDSAT数据集下检测精度分别提高至96.4%、98.1%,模型体积和计算量可压缩至190 kB、0.9 GFLOPs,推理速度降至3 ms以下。与主流算法进行对比，改进后算法在检测精度、模型体积、计算量等方面均取得了不错的成绩。能够满足实时性检测需求。

• 单位
  三峡大学