輕量型YOLOv5s 車載紅外圖像目標(biāo)檢測

劉彥磊，李孟喆，王宣宣

（河南師范大學(xué) 物理學(xué)院, 河南省紅外材料光譜測量與應(yīng)用重點(diǎn)實(shí)驗(yàn)室, 河南 新鄉(xiāng) 453007）

1 引 言

隨著自動(dòng)駕駛技術(shù)的不斷發(fā)展，將其作為駕駛員輔助工具或者完全替代駕駛員，可以有效減少交通事故的發(fā)生[1]。目標(biāo)檢測技術(shù)能幫助駕駛員或者計(jì)算機(jī)了解道路情況[2]，在自動(dòng)駕駛領(lǐng)域扮演著不可或缺的角色。紅外圖像目標(biāo)檢測以其探測距離遠(yuǎn)、抗干擾能力強(qiáng)、特征易于提取的優(yōu)點(diǎn)，被廣泛應(yīng)用于自動(dòng)駕駛領(lǐng)域[3-4]。然而，受物體間紅外輻射的相互影響和紅外成像設(shè)備成本的限制，紅外圖像存在分辨率和對(duì)比度低、紋理特征少等缺陷，給紅外圖像目標(biāo)檢測帶來了挑戰(zhàn)。因此，在有限資源的硬件設(shè)備下，開發(fā)高效準(zhǔn)確的輕量型車載紅外圖像目標(biāo)檢測算法具有重要意義。

得益于人工智能技術(shù)的不斷突破，深度學(xué)習(xí)算法被應(yīng)用于車載紅外圖像目標(biāo)檢測任務(wù)中。不同于基于手工特征的傳統(tǒng)方法[5]，深度學(xué)習(xí)算法有著更好的泛化性，主要分為兩階段方法和單階段方法。兩階段車載紅外圖像目標(biāo)檢測算法[6-8]分為兩個(gè)步驟，先選擇出幾個(gè)可能包含目標(biāo)的區(qū)域，再通過卷積神經(jīng)網(wǎng)絡(luò)獲得區(qū)域內(nèi)的目標(biāo)分類，但其存在檢測速度較慢的問題。單階段方法直接通過回歸來獲取圖像中目標(biāo)的位置和類別[9]，因其優(yōu)異的檢測效率被應(yīng)用于車載紅外圖像目標(biāo)檢測的相關(guān)研究中。Gong 等人[10]針對(duì)紅外圖像檢測速度無法滿足實(shí)時(shí)性的問題，提出采用輕量型檢測網(wǎng)絡(luò)YOLOv3-tiny 作為紅外圖像車輛檢測算法，并通過深化網(wǎng)絡(luò)結(jié)構(gòu)和利用KMeans 聚類算法優(yōu)化先驗(yàn)框的方式提升檢測精度，但檢測網(wǎng)絡(luò)深度不夠，檢測精度有待進(jìn)一步提升。Sun 等人[11]改進(jìn)YOLOv3 的主干網(wǎng)絡(luò)為EfficientNet 來加強(qiáng)特征提取，并使用去噪器（DRUNet）來提高輸入圖像質(zhì)量，進(jìn)一步提升算法的檢測精度。之后，YOLOv4[12]和YOLOv5 相繼誕生[13]，目標(biāo)檢測的準(zhǔn)確性和速度得到不斷提升。Jiang 等人[14]通過改進(jìn)YOLOv4-tiny 產(chǎn)生了一種三檢測頭輕型紅外環(huán)境感知實(shí)時(shí)檢測網(wǎng)絡(luò)模型（IEPet），改進(jìn)算法相比于YOLOv4-tiny 模型更小，檢測精度更高。Wu 等人[15]利用重參數(shù)網(wǎng)絡(luò)（RepVGG）重建YOLOv4 主干網(wǎng)絡(luò)和信道修剪壓縮的方法簡化模型，使用空間金字塔池化（SPP）獲得不同的感受野信息，以提高模型檢測的準(zhǔn)確性，以適應(yīng)功耗有限制的嵌入式平臺(tái)。Xin 等人[16]基于YOLOv5s算法增加了一層小目標(biāo)檢測層，并將卷積注意力模塊（Convolutional Block Attention Module，CBAM）插入主干網(wǎng)絡(luò)，且用自注意力Swin Transfomer 編碼器替換C3 模塊，改善其在復(fù)雜環(huán)境下漏檢率高、誤報(bào)率高等問題，但增加了檢測網(wǎng)絡(luò)的復(fù)雜性。與此同時(shí)，參考先進(jìn)算法SSD[17]，Dai 等人[18]提出一種專用于自動(dòng)駕駛的輕量級(jí)紅外圖像卷積神經(jīng)網(wǎng)絡(luò)（TIRNet），以實(shí)現(xiàn)可靠和有效的目標(biāo)檢測。該方法主要由自定義SSD 和殘差分支（Residual Branch，RB）組成，解決道路目標(biāo)檢測中速度慢、計(jì)算成本高的問題。然而，上述單階段車載紅外圖像目標(biāo)檢測算法仍然存在檢測模型復(fù)雜度高和魯棒性差等問題，這是部署在內(nèi)存和計(jì)算資源有限的車載計(jì)算機(jī)上進(jìn)行紅外圖像目標(biāo)檢測的重大障礙，在低模型體積下獲得高模型檢測性能的問題仍有待解決。

針對(duì)車載紅外圖像目標(biāo)檢測存在的問題，本文提出了一種改進(jìn)YOLOv5s 的輕量型車載紅外目標(biāo)檢測算法，主要研究內(nèi)容如下：

（1）引入C3Ghost 和Ghost 模塊，實(shí)現(xiàn)檢測模型壓縮，以降低計(jì)算成本和參數(shù)量；

（2）采用αIoU_Loss 替換CIoU_Loss 作為預(yù)測框的回歸損失函數(shù)，通過多個(gè)損失函數(shù)的對(duì)比實(shí)驗(yàn)驗(yàn)證其性能；

（3）改進(jìn)多尺度特征融合，降低網(wǎng)絡(luò)深度，減少紅外圖像的特征信息丟失；

（4）在主干網(wǎng)絡(luò)和頸部分別引入坐標(biāo)注意力（CA）和空間深度卷積模塊，并對(duì)比了融合不同注意力機(jī)制的檢測效果。

2 數(shù)據(jù)集和YOLO 算法

本文研究基于美國FLIR 公司發(fā)布的用于自動(dòng)駕駛環(huán)境感知的（Advanced Driver Assistance System，ADAS 2.0）紅外數(shù)據(jù)集[19]，下文簡稱FLIR紅外數(shù)據(jù)集。關(guān)于汽車和行人的邊框面積比的統(tǒng)計(jì)數(shù)據(jù)表明，F(xiàn)LIR 紅外數(shù)據(jù)集主要由中等尺度（汽車）和小尺度（行人）目標(biāo)組成，這些目標(biāo)的檢出通常比大型對(duì)象更重要和困難。因此，本文選擇行人和車輛兩個(gè)類別進(jìn)行目標(biāo)檢測。

YOLOv5 是YOLO 系列目標(biāo)檢測算法的代表，且仍然在不斷地更新迭代。如圖1 所示，YOLOv5 v6.1 由主干網(wǎng)絡(luò)（Backbone）、頸部（Neck）和檢測頭（Head）3 個(gè)主要部分組成。YOLOv5的Backbone 部分是CSPDarknet53，它是受Darknet53 的跨階段局部網(wǎng)絡(luò)（Cross Stage Partial Network，CSPNet）的啟發(fā)而設(shè)計(jì)的。在Neck 部分，采用特征金字塔網(wǎng)絡(luò)（FPN）加上路徑聚合網(wǎng)絡(luò)（PAN）的雙結(jié)構(gòu)進(jìn)行多層特征融合。在Head 部分，YOLOv5 模型使用CIoU_Loss 作為預(yù)測框的損失函數(shù)，并使用非極大值抑制方法（NMS）篩選得分高的預(yù)測框。最后，在3 個(gè)不同大小的特征圖上進(jìn)行多尺度預(yù)測，以檢測小、中、大對(duì)象。

圖1 YOLOv5s 算法結(jié)構(gòu)Fig.1 YOLOv5s algorithm structure

3 YOLOv5s 算法改進(jìn)

YOLOv5 算法以其性能和速度著稱，易于進(jìn)行部署，可以很好地滿足車載紅外圖像目標(biāo)檢測的要求。YOLOv5 有5 種不同的型號(hào)，包括YOLOv5n， YOLOv5s， YOLOv5m， YOLOv5l 和YOLOv5x，它們的參數(shù)量、體積和檢測精度依次增加，檢測速度依次降低。YOLOv5n 提取的特征太淺，其他模型的檢測速度太慢，綜合考慮后，選擇YOLOv5s 作為基線算法，并對(duì)其進(jìn)行了改進(jìn)，改進(jìn)后的算法結(jié)構(gòu)如圖2 所示。

圖2 改進(jìn)YOLOv5s 算法結(jié)構(gòu)Fig.2 Improved YOLOv5s algorithm structure

3.1 輕量化網(wǎng)絡(luò)構(gòu)建

為了使紅外圖像目標(biāo)檢測網(wǎng)絡(luò)更加高效，減少模型的參數(shù)量和計(jì)算復(fù)雜度，突破車載計(jì)算機(jī)內(nèi)存和計(jì)算資源的限制。本文引入了輕量化卷積模塊Ghost 和C3Ghost[20]，替換了原算法中的卷積模塊CBS 和C3 模塊，具體結(jié)構(gòu)如圖2 所示，其中C3Ghost 是用Ghost 模塊替換了C3 模塊瓶頸層Bottleneck 中的普通卷積而產(chǎn)生的。如圖3（a）所示，給定輸入，進(jìn)行普通卷積，將輸出固有特征圖，而Ghost 模塊將深度神經(jīng)網(wǎng)絡(luò)中的普通卷積分為兩部分，如圖3（b）所示。Ghost 模塊先對(duì)輸入特征圖進(jìn)行普通卷積輸出固有特征圖；然后，對(duì)得到的固有特征進(jìn)行線性分組卷積，最終的特征圖由固有特征和Ghost 特征拼接而成。

圖3 （a）普通卷積和（b）Ghost 卷積（Φ 為線性操作）Fig.3 (a) Ordinary convolution and (b) Ghost convolution(Φ is a linear operation)

3.2 損失函數(shù)的選擇

損失函數(shù)反映了檢測算法性能的好壞，可以幫助神經(jīng)網(wǎng)絡(luò)快速收斂。由于紅外圖像具有信噪比低的特點(diǎn)，而αIoU_Loss[21]對(duì)于噪聲又有很強(qiáng)的魯棒性，所以本文將CIoU_Loss 改進(jìn)為αIoU_Loss，使用功率參數(shù)α自適應(yīng)地調(diào)整IoU 目標(biāo)的損失和梯度，從而進(jìn)一步提升預(yù)測框和真實(shí)框的回歸精度。經(jīng)實(shí)驗(yàn)驗(yàn)證，α=3 時(shí)在大多數(shù)情況下表現(xiàn)良好，并且不會(huì)引入額外的參數(shù)或增加訓(xùn)練推斷時(shí)間。αIoU_Loss 表示為：

其中，IoU為預(yù)測框和真實(shí)框的交并比，b表示預(yù)測框中心點(diǎn)，bgt表示真實(shí)框中心點(diǎn)，ρ是歐幾里得距離，c是預(yù)測框和真實(shí)框最小矩形的對(duì)角線長度，v為縱橫比，β為正權(quán)衡參數(shù)，ωgt和hgt是真實(shí)框的寬度和高度，ω和h是預(yù)測框的寬度與高度。

3.3 多尺度特征融合改進(jìn)

在車載紅外圖像目標(biāo)檢測過程中，更好的檢測小目標(biāo)意味著可以更早地探測遠(yuǎn)方的路況，從而提升行車安全性。YOLOv5s 原算法在Backbone部分進(jìn)行了5 次下采樣，分別為2×、4×、8×、16×和32×，如圖1 所示。當(dāng)輸入圖像為640×640 時(shí)，Head 部分對(duì)應(yīng)小、中和大對(duì)象檢測層的特征圖大小分別為80×80、40×40 和20×20。由于紅外圖像相對(duì)于可見光圖像分辨率低，導(dǎo)致紅外圖像有更多的小目標(biāo)且特征信息較少。因此，考慮通過剔除32×下采樣，降低采樣率，以避免過深的卷積神經(jīng)網(wǎng)絡(luò)導(dǎo)致的紅外圖像細(xì)節(jié)丟失，并生成一層新的小目標(biāo)檢測層，新結(jié)構(gòu)如圖2 所示。最終，算法在Backbone 部分進(jìn)行了4 次下采樣，其中4×、8×和16×下采樣特征圖被送入Neck 部分進(jìn)行多尺度融合。當(dāng)輸入圖像為640×640 時(shí)，Head 部分對(duì)應(yīng)于小、中和大對(duì)象檢測的特征圖大小分別為160×160、80×80 和40×40。相比于四檢測頭方法[16]通過增加上采樣獲得160×160 尺度的小目標(biāo)檢測層，本文方法避免了檢測網(wǎng)絡(luò)復(fù)雜度和推理時(shí)間的增加。

此外，由于數(shù)據(jù)集和尺度特征的改變，原有的先驗(yàn)框大小已經(jīng)不適合改進(jìn)后的算法。在本文算法中，將預(yù)測框中真實(shí)框的召回比例（Best Possible Recall，BPR）設(shè)置為0.99，當(dāng)BPR 值小于0.99時(shí)，重新生成先驗(yàn)框，原算法BPR 限制值為0.98。此時(shí)，基于KMeans 聚類算法[13]獲得了一組新先驗(yàn)框，如表1 所示，BPR 值高達(dá)0.999，優(yōu)于默認(rèn)先驗(yàn)框。

表1 優(yōu)化后先驗(yàn)框大小Tab.1 Optimized prior anchor size

3.4 Backbone 和Neck 改進(jìn)

當(dāng)神經(jīng)網(wǎng)絡(luò)處理大量的信息輸入時(shí)，注意力機(jī)制會(huì)使網(wǎng)絡(luò)迅速集中在一些需要處理的關(guān)鍵信息上。坐標(biāo)注意力CA[22]兼顧了圖像的通道信息和空間信息。為了提升車載紅外圖像目標(biāo)檢測算法的特征提取能力，使模型能更準(zhǔn)確地定位和識(shí)別感興趣的對(duì)象，本文引入輕量化注意力機(jī)制CA，嵌入Backbone 部分，CA 的具體結(jié)構(gòu)如圖4所示?，F(xiàn)有卷積神經(jīng)網(wǎng)絡(luò)中不可避免地要進(jìn)行跨步卷積和池化，這在一定程度上導(dǎo)致了紅外圖像特征信息的丟失。空間深度卷積（SPD-Conv）[23]由空間深度層和非跨步卷積層組成，有助于消除跨步卷積和池化引起的特征信息丟失問題。因此，本文在權(quán)衡運(yùn)算參數(shù)量和檢測精度的情況下，將Neck 部分PAN 結(jié)構(gòu)中的下采樣卷積更換為空間深度卷積。圖5 給出了當(dāng)比例因子scale=2 時(shí)的空間深度卷積示意圖，其中，S為圖像矩陣形狀參數(shù)，s=1 中的s為卷積比。Backbone 和Neck 部分的改進(jìn)結(jié)構(gòu)如圖2 所示。

圖4 CA 結(jié)構(gòu)Fig.4 CA structure

圖5 空間深度卷積（Scale=2）Fig.5 SPD-Conv (Scale=2)

4 實(shí)驗(yàn)結(jié)果及分析

4.1 準(zhǔn)備工作

本文遍歷了整個(gè)FLIR 紅外數(shù)據(jù)集的對(duì)象，合并汽車類和其他小型商用車輛為汽車類，合并行人和騎自行車者為行人類，剔除其他類別標(biāo)簽。然后，將清洗后的FLIR 紅外圖像調(diào)整到相同的大小以進(jìn)行訓(xùn)練和驗(yàn)證，最終FLIR 紅外數(shù)據(jù)集總共包括10249/1097 張訓(xùn)練/驗(yàn)證紅外圖像。

模型訓(xùn)練的硬件環(huán)境為Intel（R） Core（TM）i7-12700KF CPU 和RTX 3060Ti GPU，軟件環(huán)境為Python3.6、CUDA11.0、Pytorch1.7.1。本文的檢測模型從零開始培訓(xùn)，不使用遷移學(xué)習(xí)，因此，可以檢驗(yàn)每個(gè)算法的真實(shí)學(xué)習(xí)能力，學(xué)習(xí)FLIR紅外數(shù)據(jù)集最真實(shí)的特征。與此相對(duì)應(yīng)的，增加訓(xùn)練輪次到400epoch。送入深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練的圖像大小設(shè)置為640×640，訓(xùn)練優(yōu)化器為隨機(jī)梯度優(yōu)化器 （SGD），IoU 閾值為0.5，動(dòng)量設(shè)為0.937，初始學(xué)習(xí)率為0.001，權(quán)重衰減設(shè)置為0.0005，批大小（Batch size）設(shè)置為16。此外，改進(jìn)算法Mosaic、MixUp 和Copy-Paste 數(shù)據(jù)增強(qiáng)[13]的權(quán)重分別設(shè)置為1.0、0.1 和0.1，來豐富數(shù)據(jù)集，提高模型的檢測精度和魯棒性，如圖6 所示，其他未提及的超參數(shù)與YOLOv5s 中的默認(rèn)參數(shù)相同。

圖6 數(shù)據(jù)增強(qiáng)結(jié)果。（a）Mosaic 增強(qiáng)；（b）MixUp 增強(qiáng)；（c）Copy-Paste 增強(qiáng)Fig.6 Data augmentation results.(a) Mosaic augmentation; (b) MixUp augmentation; (c) Copy-Paste augmentation

4.2 評(píng)價(jià)標(biāo)準(zhǔn)

準(zhǔn)確率（Precision rate，P）表示檢測出的陽性樣本中真實(shí)陽性樣本的比例，用來評(píng)估車載紅外圖像目標(biāo)預(yù)測是否準(zhǔn)確。召回率（Recall rate，R）表示檢測出的真實(shí)陽性樣本在總的真實(shí)陽性樣本中的比例，反映目標(biāo)是否全部被發(fā)現(xiàn)。平均精度（Average Precision，AP）表示由P 和R 曲線和坐標(biāo)軸包圍的區(qū)域的面積。平均檢測精度（mean Average Precision，mAP）是所有類別計(jì)算的平均精度AP 的平均值，是用來評(píng)價(jià)模型精度的綜合性參數(shù)。具體如式（4）～式（7）所示，其中，tp為真陽性，fp為假陽性，fn為假陰性，N為類別數(shù)量。

此外，F(xiàn)PS 表示每秒檢測的圖像幀數(shù)，用來衡量檢測速度；GFLOPs 和Params 分別表示每秒千兆浮點(diǎn)計(jì)算量和模型參數(shù)量，數(shù)值越小，模型或算法的復(fù)雜性越低；Size 表示模型所占的內(nèi)存大小，t表示模型訓(xùn)練完成所耗費(fèi)的時(shí)間。

4.3 對(duì)比實(shí)驗(yàn)

為驗(yàn)證改進(jìn)后的YOLOv5s 在FLIR 紅外數(shù)據(jù)集上的綜合檢測能力，本文設(shè)計(jì)了6 個(gè)實(shí)驗(yàn)進(jìn)行對(duì)比討論，以驗(yàn)證所提出的各改進(jìn)方法對(duì)YOLOv5s 模型性能的影響。

實(shí)驗(yàn)1 比較了原始YOLOv5s 算法和輕量化后的YOLOv5s 算法的性能，對(duì)比結(jié)果在表2 中列出。如表2 所示，YOLOv5s 引入Ghost 模塊和C3Ghost 后，能夠達(dá)到使檢測網(wǎng)絡(luò)輕量化的目的。雖然改進(jìn)模型YOLOv5s-G 的平均檢測精度有略微下降，但是模型的參數(shù)量和計(jì)算量分別減少了47.6%和49.4%，模型大小壓縮了45.5%，算法的訓(xùn)練速度也提升了38.0%。

表2 YOLOv5s 和YOLOv5s-G 輕量化性能對(duì)比Tab.2 Performance comparison of lightweight for YOLOv5s and YOLOv5s-G

通過引入αIoU_Loss 作為改進(jìn)算法預(yù)測框的回歸損失函數(shù)，加快檢測網(wǎng)絡(luò)的收斂速度，增強(qiáng)檢測網(wǎng)絡(luò)對(duì)有噪聲的紅外圖像的魯棒性。設(shè)計(jì)實(shí)驗(yàn)2 對(duì)當(dāng)前較先進(jìn)的回歸損失函數(shù)進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)對(duì)比結(jié)果如表3 所示。YOLOv5-G 算法默認(rèn)使用CIoU_Loss 作為回歸損失函數(shù)，訓(xùn)練時(shí)間為30.25 h，訓(xùn)練后的平均檢測精度為77.5%。使用EIoU_Loss、SIoU_Loss 和αIoU_Loss 相 比使用CIoU_Loss，訓(xùn)練時(shí)間分別縮短了19.6%、18.6%和22.3%，平均檢測精度相比于CIoU_Loss分別提升1.4%、0.3%和2.3%。由此可見，YOLO v5s-G-αIoU 在FLIR 紅外數(shù)據(jù)集上有更好的表現(xiàn)，能加速收斂，并提升檢測精度。

表3 不同損失函數(shù)性能對(duì)比Tab.3 Performance comparison of different loss functions

實(shí)驗(yàn)3 對(duì)本文設(shè)計(jì)的降低下采樣的YOLOv5s-G2-αIoU 算法和四檢測頭算法YOLOv5s-G1-αIoU進(jìn)行對(duì)比實(shí)驗(yàn)，以驗(yàn)證改進(jìn)模型對(duì)小目標(biāo)的檢測能力，結(jié)果如表4 所示?？梢钥吹?，四檢測頭算法YOLOv5s-G1-αIoU 檢測性能的增加是以增加參數(shù)量和計(jì)算復(fù)雜度為代價(jià)的，而YOLOv5s-G2-αIoU 則通過簡單的降低采樣率，進(jìn)一步對(duì)內(nèi)存壓縮了63.4%，參數(shù)量和計(jì)算量分別減少74.2%和10%，檢測速度和平均檢測精度也分別得到了4.8%和3.1%的提升。因此，本文選擇YOLOv5s-G2-αIoU 結(jié) 構(gòu)。此 外，KMeans 聚 類 算 法 針 對(duì)FLIR 紅外數(shù)據(jù)集生成的新先驗(yàn)框，與默認(rèn)先驗(yàn)框的實(shí)驗(yàn)效果相比，YOLOv5s-G2-αIoU-KMeans算法準(zhǔn)確率增加了1%，平均檢測精度增加了0.1%。

表4 多尺度融合性能對(duì)比Tab.4 Performance comparison of multi-scale fusion

為了進(jìn)一步提升算法的檢測精度，本文將注意力機(jī)制嵌入算法的Backbone 部分，以增強(qiáng)模型的特征提取能力。實(shí)驗(yàn)4 對(duì)比了主流的注意力機(jī)制嵌入算法的效果。如表5 所示，注意力CA 有著最好的檢測精度，YOLOv5s-G2-αIoU-KMeans-CA 以參數(shù)量和計(jì)算量的微量增加，獲得了平均檢測精度增加了1.3%。

表5 不同注意力機(jī)制性能對(duì)比Tab.5 Performance comparison of different attention mechanisms

通過將模型的Neck 部分PAN 結(jié)構(gòu)中的下采樣方式改進(jìn)為空間深度卷積，來避免跨步卷積和池化導(dǎo)致的紅外圖像不同程度的特征信息丟失問題，實(shí)驗(yàn)5 的對(duì)比結(jié)果如表6 所示?？梢?，與普通的下采樣卷積相比，經(jīng)空間深度卷積改進(jìn)下采樣卷積的YOLOv5s-G2-αIoU-KMeans-CA-SPD 算法，準(zhǔn)確率增加了0.8%，召回率增加了1%，平均檢測精度增加了0.7%。

實(shí)驗(yàn)6 基于FLIR 紅外數(shù)據(jù)集對(duì)本文改進(jìn)算法與先進(jìn)算法SSD、EfficientDet、YOLOv4+GhostNet、YOLOv5-MobileNetV3、YOLOv3-tiny、YOlOv4-tiny、YOLOv5n、YOLOv6-N、YOLOv7-tiny 和原算法YOLOv5s 進(jìn)行比較，如表7 所示?？梢钥吹?，本文提出的輕量型算法相對(duì)于原算法模型大小壓縮了78.1%，參數(shù)量減少了84.5%，平均檢測精度達(dá)到了85%，檢測速度為132 FPS；相對(duì)于其他輕量化算法更有利于移動(dòng)設(shè)備的模型移植。在模型體積最小和參數(shù)量最少的情況下，平均檢測精度最高，且檢測速度相對(duì)于原算法有進(jìn)一步提升，達(dá)到了檢測精度和檢測速度的均衡效果，可以保證優(yōu)越的車載檢測性能。

表7 與其他先進(jìn)算法對(duì)比Tab.7 Comparison with other advanced algorithms

圖7 顯示了本文改進(jìn)算法和YOLO 系列的輕量化版本在復(fù)雜場景（昏暗、強(qiáng)光、多目標(biāo)遮擋等）下的檢測效果。對(duì)比可發(fā)現(xiàn)，紅外圖像目標(biāo)檢測抗干擾能力強(qiáng)，不受復(fù)雜環(huán)境的影響。根據(jù)圖7 中昏暗和車燈眩光兩場景下各算法的對(duì)比效果可知，本文改進(jìn)算法目標(biāo)檢測的置信水平得分更高。而圖7 中強(qiáng)光和多目標(biāo)兩場景下的檢測效果表明，本文改進(jìn)算法相對(duì)于其他算法對(duì)小目標(biāo)檢測更準(zhǔn)確，不存在漏檢現(xiàn)象。因此，本文提出的改進(jìn)算法在同類算法中有一定的優(yōu)越性，能夠?yàn)樵撍惴ㄔ谲囕d終端設(shè)備中的應(yīng)用提供技術(shù)參考，促進(jìn)自動(dòng)駕駛的發(fā)展。

圖7 幾種不同算法的檢測效果。（a）YOLOv3-tiny；（b）YOLOv4-tiny；（c）YOLOv5n；（d）YOLOv6-N；（e）YOLO7-tiny；（f）YOLO5s；（g）本文算法Fig.7 Detection results of different algorithms.(a) YOLOv3-tiny; (b) YOLOv4-tiny; (c) YOLOv5n; (d) YOLOv6-N;(e) YOLO7-tiny; (f) YOLO5s; (g) proposed in this paper

5 結(jié) 論

本文提出了一種改進(jìn)YOLOv5s 的輕量型車載紅外圖像目標(biāo)檢測算法。該算法基于FLIR 紅外數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)模型來檢測行人和車輛。對(duì)改進(jìn)算法和其他輕量化算法及原算法分別進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明：改進(jìn)算法相較于其它算法在模型結(jié)構(gòu)和檢測精度方面有明顯的優(yōu)勢。改進(jìn)后算法的模型體積僅3.0 MB，參數(shù)量僅1.09 M，平均檢測精度mAP 為85.0%，檢測速度高達(dá)132 FPS，有效解決了現(xiàn)有車載紅外圖像目標(biāo)檢測算法中內(nèi)存利用率低、計(jì)算復(fù)雜和檢測精度低的問題。本文研究工作能夠?qū)崿F(xiàn)車載紅外圖像的快速、準(zhǔn)確檢測，可以為自動(dòng)駕駛中的環(huán)境感知研究提供參考。