基于改进YOLOX的红外目标检测算法
针对红外目标图像分辨率低,缺少纹理细节,存在复杂背景干扰导致检测精度低的问题,提出一种基于改进YOLOX的红外目标检测算法.首先,设计了一种有效的空间通道混合注意力模块,将其引入在特征提取主干网络CSP-Darknet53中,以减少网络由于远距离传输造成的精度损失;其次,为了进一步提升红外目标的检测精度,在原本加强特征提取网络PANet的基础上提出一种改进的路径特征融合方法;最后,为了解决红外目标中小物体预测精度低的问题,在YOLOX输出检测头处进行反卷积操作扩大输出特征图.在FLIR红外公开数据集上进行实验,实验结果表明,所提算法识别的平均精度均值(mAP)达91.00%,相比于基准YOLOX网络的平均精度提升了5.04个百分点,对于提升红外目标的检测精度是有效的.
卷积神经网络、红外目标检测、YOLOX、注意力机制、特征融合
45
TP391(计算技术、计算机技术)
智能电网与智能控制南充市重点实验室平台建设二期SXHZ053;工业炸药智能仓储系统设计与开发项目
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
72-81