摘要
针对红外图像的特点,提出了一种YOLOv5-IF算法,采用基于残差机制的特征提取网络,实现了不同特征层之间信息的高效交互,能够得到更丰富的目标语义信息.通过改进YOLOv5的检测方案,增加更大尺度的检测头,有效提升了红外图像中小目标的检测概率.针对计算平台资源有限、算法实时性要求高等问题,设计了Detection Block模块,并由此构建了特征整合网络,该模块不仅能提升算法检测精度,还可有效缩减模型参数量.在FLIR红外自动驾驶数据集上,该算法的平均准确率(mAP)为74％,参数量仅19.5MB,优于现有算法.
维普
万方数据