基于IDOU-YOLO的红外图像无人机目标检测算法

摘要：

低空小型无人机(unmanned aerial vehicle,UAV)侵扰敏感区域事件频发,使国家和社会面临严重安全威胁.针对基于热成像的无人机目标检测存在漏检率高、检测精度不足的问题,提出了IDOU-YOLO(infrared detection of UAV-YOLO)算法模型,通过构建多尺度融合特征金字塔机制,充分挖掘特征空间信息,聚焦尺度的信息融合及丰富模型的信息表征能力,增强目标检测能力;同时引入了边界框损失函数SIoU(Scylla IoU),在训练过程中提高模型的检测精度,加快模型的收敛速度.实验结果显示IDOU-YOLO模型的精确率、召回率、F1 分数、mAP@0.5和mAP@0.5:0.95分别达到 99.2%、96.3%、97.7%、98.4%和 70.2%,表明IDOU-YOLO算法模型在红外无人机目标检测任务中具有显著优势和应用潜力.

关键词：无人机探测、目标检测、红外图像、特征金字塔网络

所属期刊栏目：45

分类号：TN219;TP391.4(光电子技术、激光技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;中央引导地方科技发展资金项目;河北省自然科学基金

在线出版日期：2024-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：723-731