基于YOLOv5改进的红外目标检测算法

为了解决红外图像特征少、对比度不佳导致目标检测时精度低的问题,采用增加一个额外的预测特征层的方法,以提高原始YOLOv5在红外图像中的识别率;通过添加坐标注意力机制,优化红外目标强特征提取,提升检测准确度;再使用双向特征金字塔网络优化特征融合,增强模型表达能力,降低冗余计算;最后解决检测定位差和边界框回归任务中样本不平衡,采用focal-EIOU作为模型的边界框损失函数,提高收敛速度,并专注于高质量的锚框回归。结果表明,改进的YOLOv5在FLIR数据集上的准确率达到了85.3%,相比于原始网络模型提高了4.2%,具有较高的检测准确率。这一结果为在嵌入式设备上部署该软件提供了可行性。