针对红外目标检测中对比度低和尺度差异导致的检测精度低的问题,本文提出了一种PPSD-YOLO(parallel pooling and self distillation-YOLO)红外目标检测算法。首先,构建了并行池化模块Fusion-P,使目标附近的像素点更为平滑,防止目标像素...针对红外目标检测中对比度低和尺度差异导致的检测精度低的问题,本文提出了一种PPSD-YOLO(parallel pooling and self distillation-YOLO)红外目标检测算法。首先,构建了并行池化模块Fusion-P,使目标附近的像素点更为平滑,防止目标像素缺失。其次,针对红外小目标检测精度低的问题,在网络中增加小目标检测层,并采用K-means++算法优化其初始化锚框大小及比例。然后,在Neck层中引入多尺度特征感知模块(SA-RFE),通过多分支空洞卷积结构融合目标的多尺度上下文信息。最后,在训练过程中构建了一种修正自蒸馏框架,动态修正教师模型中的误检目标从而提高学生模型检测精度。在FLIR红外数据集上的结果表明,改进后的PPSD-YOLO较YOLO v7算法mAP提高了2.7%。展开更多
