激光与红外

作者：潘骞

单位：1.沈阳理工大学 机械工程学院,辽宁 沈阳 110158；2.沈阳理工大学 装备工程学院,辽宁 沈阳 110158；3.陆空基信息感知与控制全国重点实验室,陕西 西安 710065；4.西安现代控制技术研究所,陕西 西安 710065；

关键词：红外图像;目标识别;深度学习;机器视觉;模型轻量化

基金：辽宁省教育厅高等学校基本科研项目(No.LJ212410144050)资助。

针对无人机红外目标识别神经网络对机载核心算力需求高、计算效率低的问题,以降低算法对硬件环境内存的依赖为目标,为满足无人装备对神经网络同步化、轻量化与高效化的需求,提出了一种面向无人机目标识别的轻量化神经网络。引入采用多通道拆分的卷积计算策略,降低串联计算量；使用双分配策略,增强密集目标选中能力,减少推理过程；应用角度损失考虑预测框与预测框方向不匹配因素,提高了模型推理准确性与收敛速度。实验结果表明,所提出的算法识别准确率可达到94.3,并在HIT UAV数据集上与主流模型YOLOV5n、YOLOV8n进行比较,实验表明在小目标识别率高出2.8、0.9。中目标识别率高出2.2、1.3。证明能够在低算力条件下赋予无人机端对地目标高效、精确的识别能力。

来源：2025年第6期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第6期