激光与红外

作者：谷雨

单位：1.杭州电子科技大学自动化学院,浙江 杭州 310018；2.杭州电子科技大学圣光机联合学院,浙江 杭州 310018；

关键词：红外小目标检测;YOLOv5s;注意力机制;特征融合

基金：浙江省自然科学基金项目(No.LZ23F030002)资助。

针对红外图像分辨率低、背景复杂、目标细节特征缺失等问题,提出了一种基于YOLOv5s的改进实时红外小目标检测模型Infrared YOLOv5s。在特征提取阶段,采用SPD Conv进行下采样,将特征图切分为特征子图并按通道拼接,避免了多尺度特征提取过程中下采样导致的特征丢失情况,设计了一种基于空洞卷积的改进空间金字塔池化模块,通过对具有不同感受野的特征进行融合来提高特征提取能力；在特征融合阶段,引入由深到浅的注意力模块,将深层特征语义特征嵌入到浅层空间特征中,增强浅层特征的表达能力；在预测阶段,裁减了网络中针对大目标检测的特征提取层、融合层及预测层,降低模型大小的同时提高了实时性。首先通过消融实验验证了提出各模块的有效性,实验结果表明,改进模型在SIRST数据集上平均精度均值达到了954,较原始YOLOv5s提高了23,且模型大小降低了729,仅为45 M,在Nvidia Xavier上推理速度达到28 f/s,利于实际的部署和应用。在Infrared PV数据集上的迁移实验进一步验证了改进算法的有效性。提出的改进模型在提高红外图像小目标检测性能的同时,能够满足实时性要求,因而适用于红外图像小目标实时检测任务。

来源：2024年第2期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第2期