计算机工程

作者：秦鹏, 唐川明, 刘云峰, 张建林, 徐智勇

单位：1. 中国科学院光束控制重点实验室, 成都 610209;2. 中国科学院光电技术研究所, 成都 610209;3. 中国科学院大学 电子电气与通信工程学院, 北京 100049

关键词：YOLOv3模型,红外目标检测,复杂背景,可变形卷积,动态激活函数

基金：国家科技委创新项目（G158207）。

针对红外场景中行人、车辆等目标识别率低且存在复杂背景干扰的问题，提出一种基于Effi-YOLOv3模型的红外目标检测方法。将轻量高效的EfficientNet骨干网络与YOLOv3网络相结合，提升网络模型的运行速度。通过模拟人类视觉的感受野机制，引入改进的感受野模块，在几乎不增加计算量的情况下大幅增强网络有效感受野。基于可变形卷积和动态激活函数构建DBD和CBD结构，提升模型特征编码的灵活性，扩大模型容量。选择兼顾预测框与真值框中心点距离、重叠率和长宽比偏差的CIoU作为损失函数，更好地反映预测框与真值框的重叠程度，加快预测框回归速度。实验结果表明，该方法在FLIR数据集上的平均精度均值达到70.8%，Effi-YOLOv3模型参数量仅为YOLOv3模型的33.3%，对于红外场景中的目标检测效果更优。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期