基于改进YOLOv7的红外无人机目标检测方法

作者：梁晓; 李俊^*

来源：电光与控制, 2023, 30(12): 38-92.

• 无人机
• 红外图像
• YOLOv7
• 注意力机制
• 损失函数

针对红外无人机目标识别过程中特征信息较少、特征丢失严重、识别准确率低等问题，提出一种基于YOLOv7的红外无人机目标检测方法。通过引入注意力机制来增强目标区域的特征表达能力，提升图像的空间信息含量。采用改进的串行连接方式将通道注意力模块与空间注意力模块连接，在结合了目标通道特征信息和空间特征信息的同时，改进结构降低了通道注意力对红外图像识别的负面影响，可以更好地实现对红外目标的特征加强作用。选择基于角度向量回归的SIoU损失函数作为边框损失函数，进一步提升了模型的收敛性和检测精度。实验结果表明，改进的算法模型推理速度达到了43帧/s,准确率为95.4%,召回率为87.3%,mAP为96.1%,在红外无人机检测任务中取得了更好的检测效果。

• 单位
  自动化学院; 桂林电子科技大学