首页|低空轻量级红外弱小目标检测算法

低空轻量级红外弱小目标检测算法

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Low altitude lightweight infrared weak small target detection algorithm

target detectionmodel pruningYOLOv5SIoUVarifocal loss

张上、黄俊锋、王恒涛、陈永麟、王康

展开 >

三峡大学湖北省建筑质量检测装备工程技术研究中心,湖北 宜昌443002

三峡大学计算机与信息学院,湖北 宜昌443002

目标检测 模型剪枝 YOLOv5 SIoU Varifocal loss

国家级大学生创新创业训练计划项目国家级大学生创新创业训练计划项目

202111075019202011075013

2024

10.3969/j.issn.1001-5078.2024.01.018

激光与红外
华北光电技术研究所

激光与红外

CSTPCD北大核心
影响因子：0.723
ISSN：1001-5078
年,卷(期)：2024.54(1)
  • 13