摘要
针对红外场景下存在目标模糊,难以检测的问题,提出一种基于YOLOv5所改进的算法.首先,为提高目标的检测率,在YOLOv5算法中加入CBAM注意力机制,提取注意力信息,增强红外目标在检测网络中的特征表达能力.然后,改进Bottleneck模块,有效实现特征重用,提高了模型的计算效率.接着,优化了Backbone与Neck结构部分,降低了网络的计算量.最后,改进上采样函数.研究结果证明,改进的网络在红外图像检测与识别中有着更好的检测率,计算量也更少,mAP值为81.3％,比原始网络提升了3个百分点.
基金项目
广西民族大学中国-东盟研究中心创新研究团队课题(TD201405)
NETL
NSTL
维普
万方数据