激光与红外

作者：胡焱

单位：1.中国民用航空飞行学院航空电子电气学院,四川 广汉 618307；2.西藏航空有限公司,四川 成都 610202；3.山东航空股份有限公司,山东 济南 250107；

关键词：红外行人检测;YOLOv5;MobileNetv3;轻量化

基金：国家自然科学基金项目(No.62061003)；四川省科技计划重点研发项目(No.2021YFG0192)；校级大学生新创业项目(No.S202210624201)资助。

基于红外图像的行人识别是现代安防系统的重要组成部分。在计算资源受限场景,由于红外行人检测算法中模型尺寸的影响,检测精度与部署难度往往难以平衡。针对此问题,本文提出了一种基于YOLOv5s的轻量化目标检测算法:首先引入MobileNetv3轻量化特征提取网络,并使用深度可分离卷积减小模型尺寸,使其更易部署至CPU设备；其次,将最近邻插值上采样方式替换为CARAFE(Content Aware ReAssembly of FEatures),明显提升了图像重建效果；最后使用EIOU Loss作为边界框损失函数改善模型回归性能。本文在采样后的LLüIP红外行人图像数据集上进行了测试:对于红外图像下的行人目标,本文在保持高检测精度(AP=954)的同时,模型大小减少806,参数量减少828；在使用CPU平台进行推理时,推理速度提升433,且检测多尺度目标的性能有所提升。以上两方面结果验证了算法的有效性。

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