基于改进YOLOv3的红外目标检测方法

摘要：

针对红外场景中行人、车辆等目标识别率低且存在复杂背景干扰的问题,提出一种基于Effi-YOLOv3模型的红外目标检测方法.将轻量高效的EfficientNet骨干网络与YOLOv3网络相结合,提升网络模型的运行速度.通过模拟人类视觉的感受野机制,引入改进的感受野模块,在几乎不增加计算量的情况下大幅增强网络有效感受野.基于可变形卷积和动态激活函数构建DBD和CBD结构,提升模型特征编码的灵活性,扩大模型容量.选择兼顾预测框与真值框中心点距离、重叠率和长宽比偏差的CIoU作为损失函数,更好地反映预测框与真值框的重叠程度,加快预测框回归速度.实验结果表明,该方法在FLIR数据集上的平均精度均值达到70.8％,Effi-YOLOv3模型参数量仅为YOLOv3模型的33.3％,对于红外场景中的目标检测效果更优.

关键词：YOLOv3模型;红外目标检测;复杂背景;可变形卷积;动态激活函数

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技委创新项目G158207

在线出版日期：2022-03-22（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：211-219