激光与红外

作者：李晓佩

单位：郑州大学南校地球学与技术学院,河南 郑州 450000；

关键词：YOLOv5s;红外目标检测;跨域迁移学习;SENet;α-CIoU Loss

受热红外成像方式限制,交通场景下红外图像存在对比度低、目标尺度和姿态的多样性以及目标之间的相互遮挡问题,从而造成检测精度下降,部分目标出现漏检、误检的情况。本文在YOLOv5s的基础上提出一种改进算法:在数据处理方面,使用AHE算法对训练集图像进行部分数据增强；在模型改进方面,通过引入跨域迁移学习策略、插入通道注意力机制SENet、改进损失函数GIoU为α-CIoU对YOLOv5s进行改进。并通过消融实验的方式,在自制数据集上对夜间道路环境下的电动自行车驾驶行为进行检测。实验结果表明,改进后的算法对单人驾驶电动自行车行为检测的平均精度达到了959,比YOLOv5s的检测精度提高了31；对载人驾驶电动自行车行为检测的平均精度达到了884,比YOLOv5s的检测精度提高了95；总类别检测的平均精度达到了922,比YOLOv5s的检测精度提高了64,有效降低了红外目标漏检、误检的概率。

来源：2023年第7期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第7期