基于YOLO-IDSTD算法的红外弱小目标检测

作者：蒋昕昊; 蔡伟; 杨志勇; 徐佩伟; 姜波

来源：红外与激光工程, 2022, 51(03): 502-511.

• 红外弱小目标
• 深度学习
• 目标检测
• 机器视觉
• YOLO

针对复杂背景下红外弱小目标难以准确快速检测的问题，提出了一种红外弱小目标轻量化实时检测网络模型YOLO-IDSTD。首先，为提高检测速度，重新设计了特征提取部分的网络结构，并在输入层后使用Focus模块以减少推理时间；其次，为增强检测能力，特征融合部分采用路径聚合网络，添加了改进的感受野增强模块；最后，目标检测部分增加至四尺度检测。在红外弱小目标数据集上进行的对比实验表明，相较于经典轻量化模型YOLOv3-tiny，文中提出的模型召回率提升了7.57%，平均检测精度提高了1.92%,CPU推理速度提升了36.1%，可较好地兼顾精度和速度，计算量与参数量明显减少，模型尺寸压缩至7.27 MB，减少了对硬件平台运算能力的依赖，实现了红外弱小目标准确又快速的检测。