摘要
精准的红外弱小目标检测是实时监控、追踪、制导的关键;红外弱小目标存在检测难度高、误检高、漏检严重的问题.为了提高红外弱小目标检测算法的实时性和检测精度,提出了一种超轻量红外弱小目标检测算法SL-YOLO.首先,重设计下采样方案,针对红外图像特征信息调节网络架构,解决红外弱小目标特征梯度降低和特征消失问题;然后设计网络模型剪枝算法,实现剪枝算法与网络结构的融合,去除冗余参数,实现检测速度的提高;最后设计Varifo-cal-SIoU损失函数,在均衡正负样本与重叠损失的同时,对正样本进行加权处理,解决背景干扰问题.实验结果表明,在SIRST和IDSAT数据集下检测精度分别提高至96.4％、98.1％,模型体积和计算量可压缩至190 kB、0.9 GFLOPs,推理速度降至3 ms以下.与主流算法进行对比,改进后算法在检测精度、模型体积、计算量等方面均取得了不错的成绩.能够满足实时性检测需求.
基金项目
国家级大学生创新创业训练计划项目(202111075019)
国家级大学生创新创业训练计划项目(202011075013)
维普
万方数据