改进YOLOv7-tiny的轻量级红外车辆目标检测算法

作者：许晓阳; 高重阳

来源：计算机工程与应用, 2023, 1-13.

• 红外目标检测
• 轻量级
• 知识蒸馏
• 损失函数
• YOLOv7-tiny
• GhostNetV2

为了解决红外场景下车辆检测算法参数量与计算量大、识别精度低、小目标检测难度大的问题，提出了一种改进YOLOv7-tiny的轻量级红外车辆目标检测算法:KD-YOLO-DW。首先，通过融合深度可分离卷积提出了ELAN-DW模块，极大地降低了网络参数量与计算量。其次，通过在特征融合层引入GhostNet V2模块，提高了不同尺度特征的融合能力。采用动态非单调FM的WIoU损失函数，解决了红外数据集难易样本不平衡的问题，提高了轻量级算法对红外弱小目标的检测能力。然后，联合残差思想提出跨尺度融合策略，提高了轻量级算法对不同尺度目标的检测效果，降低了小目标的漏检率。最后，通过知识蒸馏对轻量化模型再次浓缩，进一步提高了模型对检测红外目标的准确性。实验结果表明，KD-YOLO-DW模型在参数量与计算量方面分别较YOLOv7-tiny模型下降了24.6%和16.7%，模型大小仅为9.2M，mAP分别提高了3.27%和3.15%，拥有更小的模型体积与更好的检测效果。

• 出版日期2023
• 单位西安科技大学