激光与红外

作者：王晓红

单位：上海理工大学,上海 200093；

关键词：深度学习;目标检测;YOLOv5;特征金字塔;红外行人识别

目标检测是自动驾驶的重要前提,是与外界信息交互的重要环节。针对夜间远处行人检测识别精度低、漏检的问题,提出一种针对检测小尺寸行人的YOLOv5 p4的夜间行人识别模型。首先,通过增加更小目标的检测层,引入BiFPN特征融合机制,防止小目标被噪声淹没,使网络模型可以更聚焦于物体的细小特征；同时使用Kmeans先验框聚类出更小目标的锚框,并且使用了多尺度的数据增强方法,增加模型的鲁棒性。使用了MetaAcon C激活函数与EIoU回归损失函数使模型收敛效果更好,提升了算法远距离行人的检测的准确率。最后在红外行人数据集FLIR上验证改进后的YOLOv5 p4模型对于行人的检测能力,实验结果表明该方法与传统方法相比,准确率从869提升到903,适合用于红外图像中的行人检测。

来源：2023年第1期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第1期