联合结构重参数和YOLOv5的航拍红外目标检测

作     者：邵延华 张兴平 张晓强 楚红雨 吴亚东 SHAO Yanhua;ZHANG Xingping;ZHANG Xiaoqiang;CHU Hongyu;WU Yadong

作者机构：西南科技大学信息工程学院绵阳621010 四川轻化工大学计算机科学与工程学院宜宾644000 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2024年第53卷第3期

页      面：382-389页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(6160382) 国防科工项目(20zg6108) 四川省科技厅项目(2019YJ0325,2020YFG0148) 

主　　题：深度学习 红外图像 航拍目标检测 YOLOv5 结构重参数化 

摘      要：无人机进行红外航拍目标检测在交通、农业和军事等方面有着广泛应用。该领域的主要挑战有目标较小、相互遮挡、非刚体形变大以及红外成像纹理信息少、边缘特征弱等。针对以上问题,基于YOLOv5和结构重参数化优化思想,提出了一种针对航拍场景的目标检测模型Rep-YOLO。首先,在主干网络中引入RepVGG模块,提升模型特征提取能力;在模型推理时对RepVGG模块的多分支进行结构重参数化,减少网络分支和结构复杂度。其次,结合数据特征,改进检测网络颈部的路径聚合网络,提升检测算法在机载平台的精度-速度均衡能力。最后,在两个公开红外数据集进行对比实验,表明该算法的有效性。以南航ComNet航拍数据集为例,统计结果显示主要检测指标各类平均精度(mean Average Precision,mAP)提升5.9%,同时参数量和模型大小分别减少约29.7%和23.2%。另外,对Rep-YOLO在典型机载平台Jetson Nano上进行了模型部署验证,为航拍场景的检测算法改进和实际应用提供了可靠的技术支撑。