计量学报

作者：侯军, 杨洁, 邵凯青

关键词：机器视觉,车载红外目标检测算法,YOLOv8,辅助驾驶,图像识别,C2F-DA,Focal-SioU

基金：云南省教育厅科学研究基金(0111723084)

针对车载红外图像检测中的目标相互遮挡和小尺度目标漏检问题，提出一种基于YOLOv8的车载红外目标检测改进算法（VITD-YOLO）。首先，在Neck网络中增加大尺寸特征网络预测层（S-layer），增强网络对于小目标的检测精度；其次， 在Backbone网络中设计C2F-DA模块， 利用offset轻量化结构增强模型对目标的局部特征感知能力，并结合3种不同尺度自注意力设计了动态卷积头检测模组（Dy-head），提高被遮挡和密集目标的定位和分类精度；最后，采用Focal-SIoU作为网络的损失函数，解决训练样本中行人车辆目标类别不均衡问题，并提高网络训练和推理能力。将该算法在FLIR红外数据集上测试，实验结果表明：VITD-YOLO具有良好的检测效果和鲁棒性，对小尺度目标检测精度更高；该算法的平均精度达到91.2%，比原算法提高了2.5%，召回率达到83.4%， 比原算法提高3.2%。

来源：2025年第2期

《计量学报》期刊编辑部

查看计量学报杂志2025年第2期