改进YOLOv5s的车载红外图像目标检测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对车载红外图像分辨率低、目标小且细节模糊导致检测精度不高的问题,提出了一种基于改进YOLOv5s的目标检测网络.网络对SPP模块进行改进和添加,然后在骨干网络中嵌入了坐标注意力模块,将位置信息嵌入到通道注意力中,使得网络能够在更大的区域上进行注意力,更多地关注重要的目标特征,提高模型的表现力.最后用EIOU边界框损失函数替换CIOU Loss,进一步提高网络的检测精度.在FLIR车载红外图像数据集的测试集上的实验表明,改进模型较YOLOv5s网络mAP@0.5值提升了3.4％,且几乎不影响检测速度和模型权重大小,满足体积小和轻量化的需求,适合部署到车载嵌入式系统中.

外文标题：Improved YOLOv5s Vehicle Infrared Image Target Detection

作者：

宋甜、李颖、王静

展开 >

作者单位：

四川大学电子信息学院,成都 610065

关键词：

目标检测 YOLOv5s SPP 坐标注意力机制车载红外图像边界框回归损失函数

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.02.003