关键词:
机器视觉
车载红外目标检测算法
YOLOv8
辅助驾驶
图像识别
C2F-DA
Focal-SioU
摘要:
针对车载红外图像检测中的目标相互遮挡和小尺度目标漏检问题,提出一种基于YOLOv8的车载红外目标检测改进算法(VITD-YOLO)。首先,在Neck网络中增加大尺寸特征网络预测层(S-layer),增强网络对于小目标的检测精度;其次,在Backbone网络中设计C2F-DA模块,利用offset轻量化结构增强模型对目标的局部特征感知能力,并结合3种不同尺度自注意力设计了动态卷积头检测模组(Dy-head),提高被遮挡和密集目标的定位和分类精度;最后,采用Focal-SIoU作为网络的损失函数,解决训练样本中行人车辆目标类别不均衡问题,并提高网络训练和推理能力。将该算法在FLIR红外数据集上测试,实验结果表明:VITD-YOLO具有良好的检测效果和鲁棒性,对小尺度目标检测精度更高;该算法的平均精度达到91.2%,比原算法提高了2.5%,召回率达到83.4%,比原算法提高3.2%。