基于深度学习的红外图像检测技术优化

红外目标检测具有全天候、可探测距离远、不受大气和光照条件影响等优点,特别适用于无人驾驶汽车在夜间弱光条件环境,可实现较好的检测效果,具有广阔的应用前景。但红外图像存在分辨率低、边缘模糊、对比度差的问题,导致检测精度下降。因此,以Flir数据集为基础,首先利用线性空间域滤波技术实现红外图像增强,提高图像边缘清晰度,并利用部署了BiFPN特征网络的YOLOv5算法训练图像。结果表明,增强后的红外图像训练模型精确度提升12.1%,召回率提升6.7%,平均精确度0.5提升20.7%,平均精确度0.5:0.95提升4.9%,证明该研究可有效提升红外图像的检测精度。