关键词:
红外目标检测
YOLOV8
SPD-Conv
Ghost模块
损失函数
摘要:
鉴于红外行人车辆图像分辨率低,质量不佳,噪声多等特点,检测难度较大,提出一种基于YOLOV8的红外图像行人车辆目标检测算法,即PSWG-YOLO。针对YOLOv8n网络,增加160×160的极大特征图P2提高模型对行人小目标的检测能力。同时,采用SPD-Conv部分代替原网络stride-2的卷积层,提升对低分辨率图像的特征提取能力。此外,将损失函数替换为WIoU,优化模型对低质量图像的处理。最后,引入Ghost模块降低模型复杂度。实验结果表明,改进后的PSWG-YOLO算法在保证较高的检测精度的同时,显著减少了模型体积和参数量。与原YOLOv8n算法在公开红外数据集FLIR_v2上P、R、mAP@0.5分别提升1.6%、6.3%、7.2%,且参数量减少16%,模型大小减少15.8%,提高了红外场景下行人车辆检测的精度并易于部署。