摘要
针对红外图像行人检测算法中复杂背景行人误检率高、密集行人检测精度低以及远景小目标行人漏检等问题,提出了一种基于注意力及特征融合的红外行人检测算法(attention and feature fusion-you only look once,AFFM-YOLO).提出了一种注意力特征提取模块(attention feature extraction module,AFEM),融入网络主干部分,抑制无关背景信息,加强关键特征信息的提取.设计了一种多尺度特征融合模块(Multi-scale feature fusion module,MFFM),嵌入网络颈部部分,实现不同尺度间特征信息的有效融合,增加大尺度检测层,加强目标检测器对远景小目标行人的特征提取能力.在FLIR数据集做验证实验,结果表明:AFFM-YOLO取得了89.1%的平均精度,相比于基线算法YOLOv5 提高了 2.4%,AFFM-YOLO具有更好的表现,对红外图像行人的检测效果有明显提升.
基金项目
国家重点研发计划(SQ2020YFF0418521)
重庆市技术创新与应用发展专项重点项目(cstc2020jscxdxwtBX0019)
川渝联合实施重点研发项目(cstc2020jscxcylhX0007)
国家科技期刊平台
NSTL
万方数据