基于改进YOLOv4的道路红外场景下的行人车辆目标检测研究

夜间道路状况复杂,且夜间光线下图像成像效果差,相关场景的目标检测研究较少。针对该问题,本文实验数据集选取受光照强度影响较小的红外图像,在YOLO v4算法的基础上得到一种改进算法SE-YOLOv4-lite,利用k-means算法重新得到先验框值,加入SENet模块为通道施加注意力机制来提升网络的特征描述能力,使用深度可分离卷积代替普通卷积从而减少网络参数使其轻量化。本文实验在FLIR数据集上进行训练与测试,相比YOLO v4目标检测算法,实验证明在红外场景下的道路环境中,SE-YOLOv4-lite算法的map指标提升1.6%,网络参数量与原算法相比减少了约42%。