激光与红外

作者：宋成梁

单位：北京信息科技大学 自动化学院,北京 100192；

关键词：红外目标识别;YOLOv8;FasterBlock;注意力机制;EIoU

基金：国家自然科学基金项目(No.62302051)资助。

针对红外图像目标检测任务中存在的分辨率差、对比度低、信噪比低等挑战。本文设计了一种改进YOLOv8的算法,实现了高效的红外场景目标识别。该算法首先构建FasterBlock模块,替换颈部(Neck)部分的Bottleneck模块,从而有效减少模型参数量,提高模型的轻量化水平。然后,增添SE注意力机制,增强模型对关键信息的感知和提取能力,增强特征提取的效果,从而提升模型面对复杂场景的适应性与运行稳定度。同时,引入双层路由注意力机制,利用特征图中存在的大量冗余信息,通过稀疏连接的方式节省计算和内存开销。最后,改进损失函数,引入了完整的交并比EIoU作为回归损失,提高了模型对目标边界框的回归精度。实验结果表明,本文改进算法与YOLOv5,YOLOv8等主流算法相比,其召回率达到81；模型体积分别下降了72,216,仅有46 MB；同时参数量,计算量大幅度降低。与主流算法进行比较,本文改进的算法在检测精度、模型体积、计算量等方面显著提升,可以满足对红外目标的检测。

来源：2025年第7期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第7期