激光与红外

作者：李雪峰

单位：1.中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033；2.中国科学院大学 大珩学院,北京 100049；

关键词：红外弱小目标识别;Yolov8;大内核卷积;三重注意力机制;目标检测

基金：吉林省青年成长科技计划项目(No.20220508041RC)资助。

为解决现有深度学习网络结构对红外弱小目标的识别针对性不足问题,提出了一种基于改进Yolov8的红外弱小目标识别算法(Yolov8n based on UniRepLK Block and Triplet Attention，UT Yolov8)。该算法通过特征融合网络输出端的检测头引入三重注意力机制,为特征融合网络内部添加新的小目标检测层、检测头,以及在特征提取网络的空间池化金字塔内结合大内核卷积,针对红外弱小目标的成像特性进行改进。算法在真实红外图像数据上进行验证,实验结果表明,UT Yolov8算法在保持高检测速度的同时,有效提高了网络对于红外弱小目标识别精度,平均精度均值mAP@05达到了959。

来源：2025年第5期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第5期