基于YOLO-MIR算法的多尺度红外目标检测网络

针对红外图像相对于可见光检测精度低,鲁棒性差的问题,提出了一种基于YOLO的多尺度红外图目标检测网络YOLO-MIR(YOLO for Multi-scale IR image).首先,为了提高网络对红外图像的适应能力,改进了特征提取以及融合模块,使其保留更多的红外图像细节.其次,为增强对多尺度目标的检测能力,增大了融合网络的尺度,加强红外图像特征的进一步融合.最后,为增加网络的鲁棒性,设计了针对红外图像的数据增广算法.设置消融实验评估不同方法对网络性能的影响,结果表明在红外数据集下网络性能得到明显提升.与主流算法 YOLOv7 相比在参数量不变的条件下平均检测精度提升了 3％,提高了网络对红外图像的适应能力,实现了对各尺度目标的精确检测.