典型文献
基于YOLOv5的红外目标检测算法
文献摘要：
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.
文献关键词：
红外图像;YOLO算法;深度学习;目标检测;特征整合
中图分类号：
作者姓名：
林健;张巍巍;张凯;杨尧
作者机构：
西北工业大学 无人系统技术研究院 西安 710000;上海航天控制技术研究所 上海 201109
文献出处：
引用格式：
[1]林健;张巍巍;张凯;杨尧-.基于YOLOv5的红外目标检测算法)[J].飞控与探测,2022(03):63-71
A类：
5MB
B类：
YOLOv5,红外目标检测,目标检测算法,红外图像,IF,残差机制,特征提取网络,目标语义,语义信息,检测方案,大尺度,检测头,小目标,检测概率,计算平台,平台资源,Detection,Block,特征整合,检测精度,缩减模型,模型参数量,FLIR,自动驾驶,平均准确率,mAP
AB值：
0.452119
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
