基于改进YOLOv5的红外车辆检测方法 |
| |
作者姓名: | 张学志 赵红东 刘伟娜 赵一鸣 关松 |
| |
作者单位: | 1. 河北工业大学电子信息工程学院;2. 电磁空间安全全国重点实验室 |
| |
基金项目: | 天津市科技计划项目(21YDTPJC00050); |
| |
摘 要: | 红外图像可在低照度、恶劣天气等条件下工作,红外车辆检测技术旨在使用红外传感器来监测道路上的车辆,实现对车辆数量、车速等信息的收集与分析,该技术不仅可应用于路面车辆,还可应用于铁路、机场、港口等场景,为交通运输行业的安全和便捷提供了有效的技术支持。然而,由于红外图像成像原理的局限和外部环境的干扰,通常导致红外图像成像质量不理想,红外车辆检测仍然存在许多问题。文中提出了一种改进的YOLOv5模型,在YOLOv5的主干部分引入了混合注意力机制,使模型能够更好地关注研究者感兴趣的区域,抑制图像噪声的干扰。此外,在BiFPN基础上提出了一种改进的Z-BiFPN特征融合结构,融合更多的浅层信息,提高浅层信息利用率,并增加一个四分之一下采样的小目标检测层,同时将YOLOv5的检测头替换为解耦头来提升模型的检测能力。在自建的七类红外车辆数据集INFrared-417上进行了实验,验证了算法的有效可行性。与原始YOLOv5相比,m AP从81.1%提升到了85.3%。
|
关 键 词: | 红外车辆 目标检测 注意力机制 特征融合 YOLOv5 |
|