论文部分内容阅读
针对红外图像的特点，提出了一种YOLOv5-IF算法，采用基于残差机制的特征提取网络，实现了不同特征层之间信息的高效交互，能够得到更丰富的目标语义信息。通过改进YOLOv5的检测方案，增加更大尺度的检测头，有效提升了红外图像中小目标的检测概率。针对计算平台资源有限、算法实时性要求高等问题，设计了Detection Block模块，并由此构建了特征整合网络，该模块不仅能提升算法检测精度，还可有效缩减模型参数量。在FLIR红外自动驾驶数据集上，该算法的平均准确率（mAP）为74%,参数量仅19.5MB,优于现有算法。