改进YOLOX-S的红外舰船目标检测算法

作者：娄树理; 王岩^*; 郭建勤; 公维锋

来源：应用光学, 2023, 44(05): 1054-1060.

• 红外舰船
• 目标检测
• 注意力机制
• 损失函数

红外舰船目标检测与识别技术是反舰导弹红外成像制导的关键，对于武器装备制导性能具有重大意义。针对在复杂环境下红外舰船目标检测的精度和速度问题，提出了改进YOLOX-S的红外舰船目标检测算法。首先引入深度可分离卷积(depthwise separable convolution)代替FPN(feature pyramid network)及YOLOHead残差结构中的传统卷积，降低模型的参数量；其次引入ECANet通道注意力机制，提高网络的注意力，降低舰船目标的虚检率和漏检率；最后使用CIoU损失函数，进一步提高网络的检测准确率。实验表明，改进后算法的检测平均精度(AP)达到98%，检测速度为56帧/s，对比改进前YOLOX-S算法，检测速度与平均精度分别提升6帧/s和3%，且模型更加轻量化。实验结果充分证明本文提出的算法能够有效完成红外舰船目标检测任务。

• 出版日期2023
• 单位山东电子职业技术学院