激光与红外

作者：秦海洋

单位：1.四川轻化工大学自动化与信息工程学院,四川 宜宾 644000；2.四川轻化工大学人工智能四川省重点实验室,四川 宜宾 644000；

关键词：红外目标检测;YOLOV8;SPDConv;Ghost 模块;损失函数

基金：人工智能四川省重点实验室科研项目(No.2019RYJ08)资助。

鉴于红外行人车辆图像分辨率低,质量不佳,噪声多等特点,检测难度较大,提出一种基于YOLOV8的红外图像行人车辆目标检测算法,即PSWG YOLO。针对 YOLOv8n 网络,增加160×160的极大特征图P2提高模型对行人小目标的检测能力。同时,采用SPD Conv部分代替原网络stride 2的卷积层,提升对低分辨率图像的特征提取能力。此外,将损失函数替换为WIoU,优化模型对低质量图像的处理。最后,引入Ghost 模块降低模型复杂度。实验结果表明,改进后的PSWG YOLO算法在保证较高的检测精度的同时,显著减少了模型体积和参数量。与原YOLOv8n 算法在公开红外数据集FLIR_v2 上P、R、mAP@05分别提升16、63、72,且参数量减少16,模型大小减少 158,提高了红外场景下行人车辆检测的精度并易于部署。

来源：2025年第1期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第1期