基于条形池化和注意力机制的街道场景红外目标检测算法

摘要：

街道场景下的红外图像所含细节信息少、背景复杂,目前的目标检测模型存在检测精度低、检测速度慢的问题.为此,基于条形池化和注意力机制提出一种新的红外目标检测算法.使用包含条形池化和金字塔池化模块的混合池化模块改进快速空间池化金字塔模块,利用条形池化解决传统池化操作在进行目标检测时存在的特征丢失和污染问题,提高算法对长窄目标的特征提取能力,同时在孤立目标之间建立全局依赖关系,使模型收集更多的特征信息.在注意力模块中加入水平和垂直方向上的全局池化操作,以获取目标在特征图全局范围上的位置信息,将位置信息嵌入特征通道中,使算法更精准地定位目标,降低复杂背景对检测性能的影响.使用无批次归一化阻断批次归一化的估计偏移累积,解决算法性能退化问题,进一步提高算法的检测性能.在FLIR数据集上的实验结果表明,该算法的mAP(IoU值为0.5)和F1值分别达到80.7％和78.0％,相较YOLOv5分别提高了 1.9和2.4个百分点.

关键词：红外目标检测、条形池化、金字塔池化、注意力机制、无批次归一化

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：广东省基础与应用基础研究基金2020A1515010651

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：310-320