摘要
本发明公开了一种基于YOLO的轻量双头自适应红外弱小检测算法的方法,包括以下步骤:S1、设计双检测头轻量级网络结构,其中包括特征提取模块和特征融合模块,以减少在卷积过程中信息的丢失,降低网络复杂度并提高运行效率;S2、计算各滤波器之间的相似度,根据相似度结果裁剪冗余滤波器,并调整剪枝率,以在保持核心特征信息的同时提高检测速度;S3、引入目标尺寸自适应惩罚因子和角度平衡因子,设计cosPIoU‑Varifocal损失函数,以均衡正负样本损失及重叠区域损失。本发明通过重新设计特征提取模块,提出了双检测头E‑YOLO网络结构,有效减少了多次卷积过程中信息丢失,提升了对红外弱小目标的检测能力。
技术关键词
特征提取模块
双头
YOLO模型
双检测头
滤波器
网络结构
算法
特征空间分析
因子
特征信息融合
特征金字塔网络
检测头结构
深度学习训练
数据
训练集
精度
复杂度
冗余
模型剪枝
监测场景
系统为您推荐了相关专利信息
风光发电出力
新能源发电出力预测技术
局部特征提取
噪声
一维卷积神经网络
仓库智能
出库管理方法
拣货路径
出库管理装置
图像
灯光驱动电路
音乐特征提取
音频
氛围灯电路
麦克风拾音
更新系统
数据收集模块
特征提取模块
在线学习技术
分析奠定基础