基于深度学习的改进轻量化红外目标检测算法

摘要：

基于深度学习算法的红外目标检测与识别技术是学术界研究的一个重要领域.基于对红外目标检测与识别的高精度和算法的轻量化两个目标的前提之下,在YOLOv5n网络模型的基础上,首先使用扩张式残差卷积(DWR)替换网络中的C3模块,实现了网络的轻量化,并且使网络可以灵活的提取不同尺度的特征.然后针对红外图像分辨率低且细节模糊的特点,用AF-FPN代替原来的FPN结构,提高了多尺度红外图像目标识别的能力.最后采用iRMB注意力机制插入到检测层,使得模型轻量化的同时检测精度仍能与原来的YOLOv5n相近.实验结果表明,改进模型较原YOLOv5n网络值提升了 0.8％,模型体积下降了 17％,实现了模型轻量化的同时基本不影响模型检测精度,满足体积小和轻量化需求,适合部署到嵌入式设备.

关键词：红外目标、检测与识别、深度学习、轻量化、YOLOv5n

所属期刊栏目：39

分类号：TN215(光电子技术、激光技术)

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-54,89