激光与红外

作者：乔庆元

单位：青岛科技大学 自动化与电子工程学院,山东 青岛 266061；

关键词：红外图像;无人机检测;小目标检测;YOLOv8;轻量化

基金：国家自然科学基金项目(No.62273192)资助。

针对红外无人机目标识别过程中特征丢失严重、识别准确率低及模型较为复杂的问题,提出一种改进YOLOv8的红外无人机目标检测算法。首先,在主干网络引入可变形卷积,增强目标区域的特征表达能力。其次,提出了一种针对小目标的轻量级特征金字塔网络结构SOD-FPN,通过减轻网络层数和删除大型目标检测头来避免小目标信息丢失,还通过跨尺度连接和加权特征融合方法来增强模型多尺度特征融合能力。最后,选择基于Wasserstein距离的NWDLoss作为边界框损失函数,进一步提升模型的收敛性和检测精度。实验结果表明:改进算法的mAP50为994,较YOLOv8n提升了22,参数量降低了728,同时相较于其他先进的目标检测算法在精度和速度上均有提升,证明了改进算法的有效性和先进性。

来源：2024年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第12期