基于YOLOv5的倾斜视角下轻型红外小目标检测算法

作     者：张飞 王剑 张岳松 ZHANG Fei;WANG Jian;ZHANG Yuesong

作者机构：昆明理工大学信息工程与自动化学院云南昆明650504 昆明理工大学云南省人工智能重点实验室云南昆明650504 

基　　金：国防科技特区创新项目(2016300TS00600113) 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2025年第47卷第2期

页      码：217-225页

摘      要：针对倾斜视角下的红外行人小目标难以快速准确检测的问题,提出了一种红外行人小目标轻量化实时检测网络模型DRA-YOLO。首先,使用K-means++锚框聚类自适应不同大小尺度目标,从而加快网络收敛并提高检测精度。其次,融入不同注意力机制来重新设计特征提取网络,提高特征定位与计算效率,并搭配改进特征金字塔结构提取关键特征和提升模型稳定性。最后,颈部去掉下采样重新搭配SimAM形成新的特征融合结构,并重新设计检测头来适应本文数据集。对比实验显示,相对原始YOLOv5s模型,在自制和公共数据集上表现突出。m AP50达到94.5%,检测速度提高20.8%,模型大小压缩至10.1 MB,降低了30.3%,且GFLOPs下降了29.1%。这些改进实现了对目标的准确快速检测,有效地平衡了模型大小、检测精度和推理速度。

主 题 词：图像处理 行人检测 红外场景 模型优化 YOLOv5算法 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203157368...