-
题名激光透窗低质量成像人体目标检测算法
- 1
-
-
作者
伍智华
程江华
刘通
蔡亚辉
程榜
潘乐昊
-
机构
国防科技大学电子科学学院
-
出处
《计算机科学》
北大核心
2025年第S1期384-389,共6页
-
基金
湖南省自然科学基金(2020JJ4670)。
-
文摘
针对激光透窗低质量成像下的人体目标检测,现有算法存在检测不准确、识别率低等问题,提出一种基于YOLOv8n优化改进的目标检测算法YOLO-TC。重新设计主干部分的特征提取模块,提升模型多尺度特征表示能力;对YOLOv8n模型做剪枝处理,优化网络结构,降低模型复杂度的同时提升检测精度;在C2f模块与解耦头(Detect)之间添加EMA注意力机制模块,增强特征融合中的语义和位置信息,提升模型的特征融合能力;使用SIoU边界框回归损失函数代替原损失函数,提升算法推理的准确性和训练速度。实验结果表明,改进后的模型在激光透窗成像数据集中的精确度(Precision)、召回率(Recall)和平均精度均值(mAP)相比原模型分别提高了7.7%,5.9%和7.0%,模型大小缩减了34.6%,便于后续边缘端的硬件部署。
-
关键词
激光透窗成像
YOLOv8
多尺度特征提取
模型剪枝
注意力机制
SIoU
-
Keywords
Laser through-window imaging
YOLOv8
Multi-scale feature extraction
Model pruning
Attention mechanism
SIoU
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于对抗生成的轻量化红外图像增强网络
被引量：4
- 2
-
-
作者
程江华
潘乐昊
刘通
程榜
李嘉元
伍智华
-
机构
国防科技大学电子科学学院电子科学系
-
出处
《信号处理》
CSCD
北大核心
2024年第3期484-491,共8页
-
基金
湖南省自然科学基金(2020JJ4670)。
-
文摘
目前,红外成像技术在医学、安保、环境监测、军事探测等方面获得了广泛应用。然而,由于低成本红外成像设备的固有缺陷及大气环境对热辐射传导的影响,导致其采集的图像亮度较暗、细节模糊、对比度低,影响后续图像语义分析及目标检测识别等任务。传统基于模型的红外图像增强方法常需利用图像先验信息,模型参数与场景相关,模型泛化能力不强;基于深度学习的红外图像增强算法有助于增强红外图像质量,但结构冗余,不利于边缘端部署。生成对抗网络(GAN)可以通过判别器和生成器两个网络的轮流对抗训练显著提升红外图像增强效果,但网络训练参数量大,边缘端部署占用资源多,运算复杂度高。本文设计了一种基于对抗生成的轻量化红外图像增强网络,通过在GAN模型的基础上增加多层次特征融合结构并设计多尺度损失函数,提升了特征提取效率并减少了网络层数,在提升图像质量的同时提高了增强效率,利于算法的边缘端部署。实验表明,本文方法在同等参数量下,通过添加多层次特征融合结构和多尺度损失函数,兼顾了图像的全局和局部特征,保证了细节信息不丢失,在提高网络性能的前提下未明显增加计算复杂度;在红外图像增强效果相当的情况下,模型参数量降低75.0%,边缘端设备推断时间降低32.07%。
-
关键词
红外图像增强
深度学习
轻量化网络
生成对抗
-
Keywords
infrared image enhancement
deep learning
lightweight network
adversarial generation
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于密集连接的红外可见光图像融合方法
被引量：1
- 3
-
-
作者
李嘉元
程江华
刘通
程榜
潘乐昊
-
机构
国防科技大学电子科学学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第S02期163-167,共5页
-
基金
湖南省自然科学基金资助项目(2020JJ4670)。
-
文摘
针对基于人工智能的红外可见光图像的融合方法中神经网络网络设计复杂、参数量和推理计算量较大的问题,提出一种轻量化网络结构。首先,使用两个相同的密集连接块提取图像特征;然后,对红外图像和可见光图像使用共同的卷积核,以减少参数量;最后,利用残差连接保留梯度信息,同时基于像素显著性原则设计网络损失函数。在TNO和M3FD数据集上的实验结果表明,与U2Fusion经典算法相比,所提方法的参数量和推理计算量分别降低了83.5%和87.5%,并保持了良好的融合效果。
-
关键词
图像融合
轻量化网络
密集连接
深度学习
红外图像
-
Keywords
image fusion
light-weight network
dense connection
deep learning
infrared image
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
