-
题名基于FLH-YOLOv8的轻量级红外目标检测算法
- 1
-
-
作者
洪远
姜明新
冯国露
孔宁
-
机构
淮阴工学院电子信息工程学院
-
出处
《传感技术学报》
北大核心
2025年第4期658-667,共10页
-
基金
国家自然科学基金项目(62205120)
江苏高校青蓝工程项目(202004)。
-
文摘
红外物体检测是计算机视觉中目标检测领域的重要研究方向,针对YOLOv8检测红外物体时模型大小、参数量、GFLOPs过大的问题,提出了一种FLH-YOLOv8网络结构,以实现模型的轻量化。首先,采用创新后的StemPlus Block与多个串联的Shuffle Block构建YOLOv8 Backbone主干网,提升特征的表达能力;其次,在SPPF层后引入MSCA多尺度卷积注意力机制,提高对特征的关注;接着,选取深度可分离卷积DWConv与全新连接操作ADD轻量化实现颈部多尺度特征融合;最后,提出五头LADH预测头(FLH)并将SlideLoss损失函数与IoU损失相结合,在实现网络结构轻量化的同时提高检测精度。实验结果表明,FLH-YOLOv8在三种红外数据集上,模型大小平均从22.5 M下降92.4%至1.7 M,模型参数量下降93.9%,平均精度基本保持在95%以上。在保持检测精度的同时,大大降低了网络的复杂程度。
-
关键词
目标检测
轻量化
steamplus
block
深度可分离卷积
五头LADH预测头
-
Keywords
object detection
lightweight
steamplus block
depthwise separable convolution
five-head LADH prediction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
