改善されたYOLOv5の空中写真赤外線車両検出への応用

赤外線車両画像の誤検出、見逃し検出、および検出能力不足の問題を解決することを目的として、改善されたYOLOv5に基づく赤外線車両ターゲット検出アルゴリズムが提案されています。この記事では、赤外線車両検出の画像特性を分析し、次に改善されたYOLOv5アルゴリズムについて詳しく説明します。このアルゴリズムは、DenseBlockモジュールを使用して浅い特徴抽出の能力を向上させます。Ghost畳み込み層が通常の畳み込み層に置き換えられ、線形計算に基づいて冗長な特徴グラフが増加し、ネットワークの特徴抽出能力が改善され、元の画像からの情報量が増加します。チャネルアテンションメカニズムを追加し、損失関数を修正することで、全ネットワークの検出精度が向上します。最後に、各モジュールの改善された性能と総合的な改善性能を一般的なアルゴリズムと比較します。実験結果は、DenseBlockおよびEIOUモジュールを単独で追加した場合の検出精度が、元のYOLOv5アルゴリズムと比較してそれぞれ2.5％および3％向上したことを示しています。また、Ghost畳み込みモジュールとSEモジュールを単独で追加しても、かなりの向上は見られませんでした。EIOUモジュールを損失関数として使用し、DenseBlock、Ghost畳み込み、およびSEレイヤーの3つのモジュールをYOLOv5アルゴリズムに追加した比較分析では、DenseBlockとGhost畳み込みの組み合わせが最も良い効果を持っています。3つのモジュールを同時に追加する場合、mAPの変動が小さく、73.1％に達し、元のYOLOv5アルゴリズムよりも4.6％高くなります。