激光与红外

作者：杨雪

单位：1.中国科学院长春光学精密机械与物理研究所,吉林 长春 130031；2.中国科学院大学 北京 100190；

关键词：目标检测;YOLOv5;红外图像;RFBs;BiFPN;注意力机制

基金：粤港关键领域重点突破项目(No.2004A10403021)；广东省攻关项目(No.2006A10401006)资助。

红外光学成像载荷利用目标的热辐射强度特性成像,具有一定的揭伪能力,可规避可见光成像装备无法在夜间和恶劣气象条件下成像的限制,但红外图像对比度低、边缘不清晰,大大降低了成像目标识别的准确率。本文提出一种基于YOLOv5的红外车辆目标检测算法,在浅层特征层引入RFBs模块,以提高小目标的感受野及检测效果,在颈部网络(Neck)部分,使用BiFPN结构,实现对底层特征的再次利用,以融合更多的特征,并添加CBAM注意力机制以提升检测精度。实验结果表明:在DroneVehicle 数据集上的检测效果要优于原始网络,精确率(Precision)提升28,召回率(Recall)提升16,平均精度(mAP)提升23。结论:可有效应用于航空红外图像的车辆自主检测识别。

来源：2023年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第12期