基于红外图像的目标检测算法分析

针对车载红外图像细节信息表现不明显、对比度低、成像效果差等缺点导致检测效率 不高的问题,文章提出了一种基于 YOLOv5s 改进的目标检测网络。首先在头部网络中添加一 个基于注意力机制的动态探测头,其特征层间的注意力机制用于尺度感知,空间位置间的注 意力机制用于空间感知,输出通道内的注意力机制用于任务感知,这使网络更加重点关注检 测任务中相关联的前景目标,提升模型目标检测头的表达能力。然后在训练时用 MPDIOU 替 换 CIOU 边界框损失函数,提升模型的定位精度与效率。最后把轻量级网络 FasterNet 添加到 颈部网络末端中的 C3 模块,提升模型的实时性。实验结果表明,改进后的网络模型较改进前 原始网络模型的 mAP 提升了 2.1%,模型权重大小几乎不变,满足体积小与实时性的需求, 适用于车载嵌入式系统中。