基于YOLOv3的红外行人小目标检测技术研究

• 作者: 崔文楠 张涛 李慕锴
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 行人检测 红外小目标 深度学习 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 176-181
• 页数: 6页
• 分类号: TP391.41|TJ765.3
• 字数: 3406字
• 语种: 中文

摘要

针对红外图像中行人小目标检测识别率低、虚警率高的问题,研究了当下效果最好的YOLOv3目标检测算法,在其基础上进行优化,提出了一种满足实时性要求的行人小目标检测算法.基于YOLOv3中分类准确率仍有不足的情况,借鉴SENet中对特征进行权重重标定的思路,将SE block引入YOLOv3中,提升了网络的特征描述能力.通过对自行收集实际复杂场景下的红外图像进行目标检测,试验验证了算法的可行性,实验结果表明本文提出的改进网络拥有更高的准确率和更低的虚警率,同时保持了原有算法的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	中国科学院上海技术物理研究所	473	4174	31.0	44.0
2	崔文楠	中国科学院上海技术物理研究所	14	31	3.0	5.0
3	李慕锴	中国科学院上海技术物理研究所	1	0	0.0	0.0