激光与红外

作者：张上

单位：1.三峡大学湖北省建筑质量检测装备工程技术研究中心,湖北 宜昌 443002；2.三峡大学计算机与信息学院,湖北 宜昌 443002；

关键词：目标检测;模型剪枝; YOLOv5;SIoU; Varifocal loss

基金：国家级大学生创新创业训练计划项目(No.202111075019；No.202011075013)资助。

精准的红外弱小目标检测是实时监控、追踪、制导的关键；红外弱小目标存在检测难度高、误检高、漏检严重的问题。为了提高红外弱小目标检测算法的实时性和检测精度,提出了一种超轻量红外弱小目标检测算法SL YOLO。首先,重设计下采样方案,针对红外图像特征信息调节网络架构,解决红外弱小目标特征梯度降低和特征消失问题；然后设计网络模型剪枝算法,实现剪枝算法与网络结构的融合,去除冗余参数,实现检测速度的提高；最后设计Varifocal SIoU损失函数,在均衡正负样本与重叠损失的同时,对正样本进行加权处理,解决背景干扰问题。实验结果表明,在SIRST和IDSAT数据集下检测精度分别提高至964、981,模型体积和计算量可压缩至190 kB、09 GFLOPs,推理速度降至3ms以下。与主流算法进行对比,改进后算法在检测精度、模型体积、计算量等方面均取得了不错的成绩。能够满足实时性检测需求。

来源：2024年第1期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第1期