红外道路场景下车辆与行人检测算法

针对现有算法模型在红外道路场景下，对小尺寸车辆与行人的检测存在精度低和漏检的问题，提出改进YOLOv5s的红外道路检测算法。首先，借鉴Focal-Loss的计算思想引入一种新的动态缩放(focal and complete IOU,Focal-CIoU)损失函数，提高检测精度；其次，引入改进坐标信息嵌入中激活函数为自适应模式的坐标注意力机制(adaptive coordinate attention, Ada-CA),提高准确定位目标的能力；最后，改进C3模块为具有多尺度特征信息的MultiS-C3,提高模型识别能力。通过实验对比可知，改进的目标检测算法较原网络模型准确性提高2.0%,召回率提高7.3%、平均精度提高6.6%,可以有效检测出红外背景下的车辆与行人。