基于特征蒸馏的改进Ghost-YOLOv5红外目标检测算法

摘要：

针对红外目标检测模型YOLOv5s实时性差、计算复杂度高的问题,提出了一种基于特征蒸馏的改进Ghost-YOLOv5红外目标检测算法.首先,利用GhostNet模块作模型剪枝;其次,使用特征蒸馏方法以及Mosaic和Copy-paste两种数据增强方法提高模型的检测精度;第三,构建了一个包含多种场景下人、机动车和非机动车目标的红外安防领域数据集.在数据集上测试实验结果表明:所提算法利用Ghost模块得到的模型参数量仅1.9 M,并通过知识蒸馏和数据增强的方法,使得模型在红外数据集上的精度提升了6.6％,总体mAP达到了90.1％.在海思平台上实测,模型的检测速度能达到25帧/s,平均检测精度能达到90.2％,与多种可移植于该平台的常用模型相比,均取得了更高的检测精度.

关键词：红外目标检测;数据增强;模型剪枝;特征蒸馏;海思平台

所属期刊栏目：43

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61802455

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：20-26