基于YOLOv5改进的红外目标检测算法

来源：激光技术杂志2024年第4期北京时间：

作者：刘皓皎, 刘力双, 张明淳

摘要：为了解决红外图像特征少、对比度不佳导致目标检测时精度低的问题，采用增加一个额外的预测特征层的方法，以提高原始YOLOv5在红外图像中的识别率；通过添加坐标注意力机制，优化红外目标强特征提取，提升检测准确度；再使用双向特征金字塔网络优化特征融合，增强模型表达能力，降低冗余计算；最后解决检测定位差和边界框回归任务中样本不平衡，采用focal-EIOU作为模型的边界框损失函数，提高收敛速度，并专注于高质量的锚框回归。结果表明，改进的YOLOv5在FLIR数据集上的准确率达到了85.3%，相比于原始网络模型提高了4.2%，具有较高的检测准确率。这一结果为在嵌入式设备上部署该软件提供了可行性。

关键词：图像处理, 深度学习, 红外目标检测, 卷积神经网络, 特征融合