结合并行池化与自蒸馏的YOLO红外目标检测算法

作     者：周华平 吴劲 李敬兆 吴涛 ZHOU Huaping;WU Jin;LI Jingzhao;WU Tao

作者机构：安徽理工大学计算机科学与工程学院安徽淮南232001 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2024年第46卷第8期

页      面：883-891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：国家自然科学基金项目(52374154) 安徽省重点研发计划国际科技合作专项(202004b11020029) 

主　　题：红外目标检测 YOLO v7 自蒸馏 空洞卷积 

摘      要：针对红外目标检测中对比度低和尺度差异导致的检测精度低的问题,本文提出了一种PPSD-YOLO(parallel pooling and self distillation-YOLO)红外目标检测算法。首先,构建了并行池化模块Fusion-P,使目标附近的像素点更为平滑,防止目标像素缺失。其次,针对红外小目标检测精度低的问题,在网络中增加小目标检测层,并采用K-means++算法优化其初始化锚框大小及比例。然后,在Neck层中引入多尺度特征感知模块(SA-RFE),通过多分支空洞卷积结构融合目标的多尺度上下文信息。最后,在训练过程中构建了一种修正自蒸馏框架,动态修正教师模型中的误检目标从而提高学生模型检测精度。在FLIR红外数据集上的结果表明,改进后的PPSD-YOLO较YOLO v7算法mAP提高了2.7%。