基于改进YOLOv5s的红外图像行人检测算法

摘要

针对红外图像行人检测算法难以平衡检测速度和检测精度，导致检测精度低、检测目标丢失等问题，论文提出一种基于YOLOv5s改进的轻量化红外图像行人检测算法YOLOv5s-CSBS。首先，将主干网络中的C3模块与CA注意力机制模块相结合，增加对行人的长距离检测能力；其次，引入SimAM注意力机制模块，提高网络对不同深度特征信息的感知能力；再次，使用加权双向特征金字塔网络，增强网络特征表达能力；最后，引入Slim-Neck设计范式降低模型复杂性，平衡模型的准确性和速度。实验结果表明：YOLOv5s-CSBS在实验建立的红外图像行人数据集上，f_mAP@0.5比YOLOv5s提高2.22%,同时参数量与计算量分别降低了10.7%与18%。验证了改进算法在增强红外图像行人检测精度的同时，实现模型的轻量化设计。

关键词

红外图像 / YOLOv5s / 行人检测 / 轻量化 / Slim-Neck设计范式