基于改进YOLOv5s轻量化模型的红外场景目标检测方法研究 |
| |
引用本文: | 刘芷汐,周春桂,崔俊杰,段捷,岳凯杰.基于改进YOLOv5s轻量化模型的红外场景目标检测方法研究[J].兵器装备工程学报,2024(3):323-330. |
| |
作者姓名: | 刘芷汐 周春桂 崔俊杰 段捷 岳凯杰 |
| |
作者单位: | 中北大学机电工程学院 |
| |
基金项目: | 山西省重点实验室开放项目(GDZBKKX-15); |
| |
摘 要: | 红外技术在防备夜间作战和隐蔽作战中发挥的作用是至关重要的,针对如何平衡红外图像检测精度与轻量化的问题,提出一种基于红外场景下的轻量化目标检测模型M-YOLOv5。该网络模型采用改进的ShuffleBlock模块替换原有的CSP骨干网络。此外,应用轻量级上采样算子CARAFE替换原有上采样模块,在C3模块中加入SE注意力机制,降低冗余信息,提高特征的区分性和表征能力,重新设计损失函数,E-IoU作为新的损失函数,加快模型收敛速度。在公开数据集FLIR上进行了实验,实验结果表明:改进之后网络模型的平均检测精度达到73.0%,仅降低2.9个百分点,而M-YOLOv5模型的网络参数数量、理论计算量分别减少40%、39%,模型的推理速度提高52%,满足部署于边缘设备的需求。
|
关 键 词: | 红外目标检测 轻量化模型 YOLOv5s CARAFE 注意力机制 损失函数 |
|
|