YOLO-IRLight：基于YOLOv8的輕量級(jí)無(wú)人機(jī)紅外小目標(biāo)檢測(cè)算法

中圖分類號(hào)：TP3191.4；TP301.6 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2096-4706（2025）08-0046-09

Abstract：To address theisues of low detection accuracy and highcomputational load in infrared smalltarget detection from UAVaerial perspectives，a lightweight infrared smalltargetdetectionmodel，YOLO-IRLight，is proposed basedon YOLOv8s.Thismodelintroduces theEMA（EffcientMultiscaleAttention）Atention Mechanism toenhancefeatureextraction capabilities.APConv-C2f module isadded tothe neck of the network toreducecomputationalloadand fuse scale sequence features，andaP2detectionlayerisincorporatedtootimizethenetworkstructure，therebyimprovingsmaltargetdetection performance.Aovellgtweightdetectionead，Goup-Detect，isesigned，andtheNWD（NoaledussnWten Distance）lossfunctionisincorpoatedintothelossfunctionof themodelinalinearcombination maer.Experimentalresults on the open dataset show that compared to the original YOLOv8s， the proposed model improves detection accuracy （ m A P@ 0 . 5 ） （ by 1 . 7 % ，reduces the number of parameters by 4 5 . 9 % ，decreases computational complexity （GFLOPs） by 3 3 . 5 % ，and increases F1 score by 0 . 9 % .The improved algorithm significantly outperforms traditional algorithms，with notable improvements in detection accuracy compared to current mainstream algorithms.

Keywords： Small Target Detection; infrared target; lightweight; YOLOv8; network optimization

0 引言

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)的重要任務(wù)，在各種領(lǐng)域如搜索救援、智能監(jiān)控中都有廣泛的使用。而無(wú)人機(jī)近年來(lái)不斷發(fā)展，因其能夠無(wú)視地形因素進(jìn)行拍攝和定位，將目標(biāo)檢測(cè)技術(shù)應(yīng)用于無(wú)人機(jī)上，能提升功能性從而為社會(huì)提供應(yīng)用價(jià)值。無(wú)人機(jī)拍攝的紅外圖像相較于可見光（Visible，VIS）圖像，能更好地反應(yīng)圖像的熱目標(biāo)特性。但在大部分應(yīng)用場(chǎng)景中，紅外小目標(biāo)缺少相對(duì)明顯的顏色、形狀、紋理等特征信息，且邊界模糊，環(huán)境噪聲與雜波導(dǎo)致紅外圖像的信噪比降低，進(jìn)一步加大了復(fù)雜環(huán)境下的紅外小目標(biāo)檢測(cè)難度。所以對(duì)于紅外小目標(biāo)的檢測(cè)過(guò)程仍面臨諸多挑戰(zhàn)[1]。實(shí)時(shí)性和準(zhǔn)確性對(duì)于無(wú)人機(jī)目標(biāo)檢測(cè)任務(wù)至關(guān)重要，將深度學(xué)習(xí)模型部署到小型設(shè)備上具有挑戰(zhàn)性，而輕量化模型又難以在提高準(zhǔn)確度的同時(shí)滿足實(shí)時(shí)性要求?；谶@一點(diǎn)，本文提出設(shè)計(jì)一種模型復(fù)雜度較低的無(wú)人機(jī)航拍紅外小目標(biāo)圖像目標(biāo)檢測(cè)算法。

目前，傳統(tǒng)的檢測(cè)方法和基于深度學(xué)習(xí)的檢測(cè)方法都能完成紅外圖像小目標(biāo)檢測(cè)。傳統(tǒng)的目標(biāo)檢測(cè)算法通過(guò)特定的圖像處理技術(shù)，建立背景模型來(lái)消除或降低背景噪聲，從而突出目標(biāo)信號(hào)完成目標(biāo)檢測(cè)。宋[2]等人提出一種基于改進(jìn)加權(quán)局部對(duì)比度的檢測(cè)方法，利用目標(biāo)的各向同性采用六方向梯度法選擇目標(biāo)點(diǎn)進(jìn)行決策，判斷出目標(biāo)的位置。但是對(duì)于變化劇烈的背景或光照條件敏感，容易產(chǎn)生虛假目標(biāo)。Younsi[3]等人在采用高斯混合模型（GaussianMixtureModel，GMM）背景差分法提取圖像序列中所有目標(biāo)后，引入基于形狀、外觀等組合相似函數(shù)來(lái)檢測(cè)目標(biāo)。但是背景中的小物體容易干擾主體目標(biāo)的檢測(cè)，導(dǎo)致目標(biāo)信息的丟失。

目前卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)都在不斷進(jìn)步，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法層出不窮，而紅外小目標(biāo)檢測(cè)是重要的研究方向之一。Qi等人將Transformer和CNN的網(wǎng)絡(luò)架構(gòu)融合，CNN獲取局部細(xì)節(jié)，Transformer用自注意機(jī)制來(lái)學(xué)習(xí)上下文依賴關(guān)系，增強(qiáng)了紅外圖像的目標(biāo)特征。文獻(xiàn)[5]中 Jiang等人基于Transformer針對(duì)可見光（visible，VIS）和熱紅外（thermalinfrared，TIR）圖像設(shè)計(jì)了目標(biāo)檢測(cè)模型。Liang等以FasterR-CNN為網(wǎng)絡(luò)結(jié)構(gòu)，利用空間自適應(yīng)模塊的特征金字塔網(wǎng)絡(luò)（FeaturePyramidNetwork，F(xiàn)PN）結(jié)構(gòu)，減少了紅外小目標(biāo)圖像中特征融合信息的損失。這類方法對(duì)于目標(biāo)檢測(cè)的精度提升較大，但檢測(cè)速度較慢，計(jì)算量偏高，不適合以無(wú)人機(jī)為載體進(jìn)行目標(biāo)檢測(cè)。近年來(lái)還出現(xiàn)許多基于單次檢測(cè)器（Single ShotDetector，SSD）的網(wǎng)絡(luò)結(jié)構(gòu)[7-9]，在文獻(xiàn)[10]中，Zheng等在融合單次檢測(cè)器（FusionSingleShotMultiBoxDetector，F(xiàn)SSD）的淺層網(wǎng)絡(luò)中添加了一個(gè)特征增強(qiáng)模塊，用于檢測(cè)紅外目標(biāo)，提高了檢測(cè)精度，且速度明顯優(yōu)于上面的二階段網(wǎng)絡(luò)。但同為一階檢測(cè)網(wǎng)絡(luò)的YOLO目前對(duì)小目標(biāo)的檢測(cè)精度已經(jīng)超越了單次檢測(cè)器（Single ShotDetector，SSD）類網(wǎng)絡(luò)，文獻(xiàn)[11]中基于YOLOv5改進(jìn)了上下采樣，減少采樣階段小目標(biāo)特征的損失，文獻(xiàn)[12]改進(jìn)YOLOv7網(wǎng)絡(luò)使高級(jí)和低級(jí)語(yǔ)義之間能夠線性融合，克服了紅外小目標(biāo)檢測(cè)中噪聲引起的誤報(bào)問(wèn)題，文獻(xiàn)[13]通過(guò)融合多個(gè)輸入的多幀信息對(duì)YOLOv8進(jìn)行改進(jìn)。這些基于YOLO的網(wǎng)絡(luò)結(jié)構(gòu)都在紅外小目標(biāo)檢測(cè)方面表現(xiàn)出色。這表明YOLO系列算法在紅外目標(biāo)檢測(cè)上優(yōu)勢(shì)很大。以上算法對(duì)紅外目標(biāo)的檢測(cè)精度都有大幅提升，但對(duì)于無(wú)人機(jī)的紅外小目標(biāo)檢測(cè)來(lái)說(shuō)，兼顧模型的參數(shù)量和檢測(cè)精度仍是一個(gè)挑戰(zhàn)。

1基于改進(jìn)Y0L0v8s的紅外小目標(biāo)檢測(cè)

YOLOv8是一種實(shí)時(shí)目標(biāo)檢測(cè)算法，其相較于其他算法表現(xiàn)出色。但它目前的損失函數(shù)未能充分對(duì)全局感知能力的充分利用，并且其特征融合策略限制了其對(duì)小目標(biāo)的檢測(cè)能力。YOLOv8有五個(gè)模型版本：n、s、m、1和x；模型的尺寸和精度是依次遞增的。為了保證一定的精度，又追求輕量化，選擇其中的YOLOv8s模型進(jìn)行改進(jìn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的模型有效地提高了對(duì)地面密集小目標(biāo)的檢測(cè)精度。改進(jìn)方法主要包括以下幾點(diǎn)：

1）針對(duì)網(wǎng)絡(luò)模型參數(shù)量大、計(jì)算速度慢的問(wèn)題，在C2f模塊中引入FasterBlock[14模塊，形成新的PConv-C2f模塊替換進(jìn)頸部網(wǎng)絡(luò)中。在PConv-C2f的基礎(chǔ)上添加EMA注意力機(jī)制，形成PConv-C2f-EMA模塊替換主干網(wǎng)絡(luò)中。這一改進(jìn)讓網(wǎng)絡(luò)融合時(shí)運(yùn)算速度更快，提取特征時(shí)對(duì)紅外模糊小目標(biāo)更有針對(duì)性。

2）在頸部引入ASF-YOLO[15]中的 SSFF（ScaleSequence Feature Fusion）和 TFE（Triple FeatureEncoder，TFE）模塊，并融合P2檢測(cè)層改進(jìn)，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化，形成新結(jié)構(gòu)SSFF-P2-TFE。原本的三尺度檢測(cè)升級(jí)為四尺度檢測(cè)，提高了小目標(biāo)的檢測(cè)精度。

3）在模型中引入NWD[16]（Normalized GaussianWassersteinDistance）損失函數(shù)，更好地平衡不同目標(biāo)尺度的損失，強(qiáng)調(diào)對(duì)小目標(biāo)的定位預(yù)測(cè)，提升小目標(biāo)的定位性能。

4）針對(duì)無(wú)人機(jī)硬件部署網(wǎng)絡(luò)不能過(guò)于臃腫的問(wèn)題，設(shè)計(jì)了輕量化的Group-Detect檢測(cè)頭，在保持精度的同時(shí)顯著減輕檢測(cè)頭的計(jì)算量。

1.1 整體網(wǎng)絡(luò)結(jié)構(gòu)

如圖1所示，本網(wǎng)絡(luò)分別改進(jìn)了主干和頸部的C2f模塊，并將主干中的P3、P4、P5級(jí)特征層送入SSFF模塊，P2和經(jīng)過(guò)TFE模塊處理后的P3、P4級(jí)特征圖送入SSFF模塊，最后得到多尺度特征輸入Group-Detect檢測(cè)頭檢測(cè)。

1.2 基于PConv改進(jìn) 模塊

1.2.1 PConv-C2f模塊

在實(shí)際使用場(chǎng)景中，算法需要能夠部署在邊緣計(jì)算設(shè)備上并滿足實(shí)時(shí)檢測(cè)的要求，為了讓設(shè)計(jì)能實(shí)際投入使用，需要減少冗余計(jì)算和內(nèi)存訪問(wèn)，提高空間特征提取能力，而PConv卷積就是一個(gè)解決問(wèn)題的切入點(diǎn)。通過(guò)引入PConv卷積和倒殘差結(jié)構(gòu)，采用1個(gè)PConv層和2個(gè)點(diǎn)卷積層并結(jié)合倒殘差結(jié)構(gòu)構(gòu)建FasterBlock模塊，使用FasterBlock模塊替換C2f模塊中的BottleNeck模塊，同時(shí)保留其他位置的普通卷積塊，提出了一種全新的輕量級(jí)PConv-C2f模塊，如圖2所示。

PConv只需要在輸入的部分通道上進(jìn)行卷積操作來(lái)提取空間特征，保持其他通道不變，這減少了計(jì)算負(fù)擔(dān)并降低了信息丟失。利用網(wǎng)絡(luò)的連續(xù)或規(guī)則性的內(nèi)存訪問(wèn)特點(diǎn)，PConv選取前段或后段連續(xù)CP個(gè)通道來(lái)代表整個(gè)特征圖，不需要對(duì)所有被選擇的通道都進(jìn)行獨(dú)立計(jì)算，在不喪失一般性的情況下，假設(shè)輸入和輸出特征圖具有相同數(shù)量的通道。如式（2）所示，當(dāng)部分比例（partialratio） 時(shí)，由于卷積過(guò)程占用內(nèi)存較少，F(xiàn)LOPs僅為普通卷積的1/16，如式（1）所示。內(nèi)存訪問(wèn)量MAC僅為普通卷積的1/4，如式（3）所示。

通過(guò)以上對(duì)C2f模塊的改進(jìn)，能夠有效減少網(wǎng)絡(luò)的參數(shù)量和計(jì)算量，提高檢測(cè)效率。因此將原模型中頸部的C2f模塊全部替換為PConv-C2f模塊來(lái)達(dá)到輕量化的目的。

1.2.2 PConv-C2f-EMA模塊

為了增強(qiáng)模型表征能力，通常采用增加卷積層數(shù)的方法，卷積層數(shù)的增加，往往會(huì)造成模型計(jì)算資源的消耗。添加注意力機(jī)制是增強(qiáng)模型表征能力的一種方式，它可以讓模型著重關(guān)注輸入序列中的關(guān)鍵信息，提高模型精度。因此考慮采用高效多尺度注意力機(jī)制（EfficientMulti-ScaleAttention，EMA），EMA與其他注意力方法相比，在參數(shù)量上優(yōu)勢(shì)顯著。EMA采用并行子結(jié)構(gòu)減少網(wǎng)絡(luò)深度，在不進(jìn)行通道降維的情況下，擴(kuò)展網(wǎng)絡(luò)的全局感受野、保留通道的精準(zhǔn)信息，同時(shí)降低計(jì)算需求。EMA針對(duì)輸入特征 X ∈ ，在通道維度將其劃分成 G 個(gè)子特征 ， ， ? s ， ， ，取 G ? C ，針對(duì)每個(gè)子特征，EMA通過(guò)3條并行分支提取分組特征圖的注意力權(quán)重，其中對(duì)不同空間維度方向的信息進(jìn)行了聚合，再將此權(quán)重用于每組的特征增強(qiáng)。

將EMA注意力機(jī)制融入FasterBlock中，并添加到PConv-C2f模塊中，形成PConv-C2f-EMA模塊，如圖3所示。在原網(wǎng)絡(luò)的主干部分替換C2f模塊，以提高模塊提取小目標(biāo)以及模糊特征的能力。

1.3 改進(jìn)特征融合層

紅外目標(biāo)樣本通常尺寸較小、像素較低且容易發(fā)生重疊，這些特性嚴(yán)重影響了檢測(cè)效果。另一方面，原模型較大的下采樣倍數(shù)也對(duì)小目標(biāo)檢測(cè)造成了困難，因?yàn)樯顚哟翁卣鲌D經(jīng)過(guò)了多層網(wǎng)絡(luò)的處理，具有更大的感受野，很難捕捉到小目標(biāo)的特征信息。因此本模型在頸部引入了ASF-YOLO中的尺度序列特征融合模塊（Scale SequenceFeature Fusion， SSFF）和三重特征編碼器（TripleFeatureEncoder，TFE）模塊，融合P2小目標(biāo)檢測(cè)層，構(gòu)建了SSFF-P2-TFE網(wǎng)絡(luò)結(jié)構(gòu)，將四尺度特征送入檢測(cè)頭對(duì)目標(biāo)進(jìn)行推理預(yù)測(cè)。

1.3.1 小目標(biāo)檢測(cè)層

原始模型中包含三個(gè)檢測(cè)頭，它將主干網(wǎng)絡(luò)的P3、P4、P5輸入到PAN-FPN中進(jìn)行特征融合，由于使用了相較于原圖 6 4 0 × 6 4 0 較大的下采樣倍率，這三個(gè)特征層的尺寸分別為 8 0 × 8 0 、 4 0 × 4 0 和2 0 × 2 0 。這讓其預(yù)測(cè)一些尺度較大的目標(biāo)更容易，對(duì)小目標(biāo)的檢測(cè)在大感受野的影響下很難精準(zhǔn)定位。因此本文提出增加一個(gè)小目標(biāo)檢測(cè)層。其原理是從網(wǎng)絡(luò)主干的P2層特征圖引出，添加一個(gè) 1 6 0 × 1 6 0 圖像的檢測(cè)層。

1.3.2 SSFF模塊

SSFF模塊旨在增強(qiáng)網(wǎng)絡(luò)的多尺度信息提取能力，就是將深層特征圖的高級(jí)語(yǔ)義信息與淺層特征圖的詳細(xì)空間信息相結(jié)合，使網(wǎng)絡(luò)能夠更好地理解圖像中的細(xì)微細(xì)節(jié)和尺度變化，其結(jié)構(gòu)如圖4所示[15]。在本模型中，首先將主干網(wǎng)絡(luò)中的P3、P4和P5特征映射歸一化到P3級(jí)別尺寸，并使用3D卷積來(lái)提取它們的尺度序列特征。之后對(duì)網(wǎng)絡(luò)主干的P2層、上一步處理融合后的P3層，以及模型頸部的P4層送入SSFF模塊進(jìn)行融合，來(lái)獲取更小感受野的淺層次局部特征。這使網(wǎng)絡(luò)對(duì)小目標(biāo)的特征信息能進(jìn)行更好傳遞與融合，可以更好地檢測(cè)無(wú)人機(jī)拍攝的微小目標(biāo)，顯著降低漏檢和誤檢的概率。

1.4 損失函數(shù)改進(jìn)

YOLOv8為配合其新改進(jìn)的Anchor-Free形式，增加了DFL（DistributionalFeatureLoss）損失。DFL使用交叉熵的形式計(jì)算邊界框和標(biāo)簽的損失概率，讓網(wǎng)絡(luò)更快的聚焦到目標(biāo)位置及鄰近區(qū)域的分布。之后將邊界框分布概率還原為預(yù)測(cè)框，通過(guò)CIoU對(duì)預(yù)測(cè)框的損失和標(biāo)簽的真實(shí)框進(jìn)行損失計(jì)算，以達(dá)到對(duì)預(yù)測(cè)框整體優(yōu)化的結(jié)果。CIoU的計(jì)算式為：

式（4）中，IoU表示預(yù)測(cè)框與真實(shí)框的交集比， 表示預(yù)測(cè)框與真實(shí)框之間的歐氏距離； h 和w 分別表示高度和預(yù)測(cè)框； 和 分別表示真實(shí)框的高度和寬度； 和 分別表示由預(yù)測(cè)框和真實(shí)框組成的最小包圍框的高度和寬度。

CIoU在小目標(biāo)的位置有偏差時(shí)非常敏感，對(duì)其值的計(jì)算也相對(duì)復(fù)雜，這會(huì)導(dǎo)致訓(xùn)練的計(jì)算量較大。為解決這個(gè)問(wèn)題，引入了一種基于歸一化的Wasserstein 距離NWD （Normalized GaussianWassersteinDistance）位置回歸損失函數(shù)。NWD使用二維高斯分布計(jì)算預(yù)測(cè)框與標(biāo)記框之間的相似度，根據(jù)式（6）計(jì)算它們之間歸一化的Wasserstein距離，其中 和 表示由 A 和 B 建模的高斯分布：

該方法一致地反映了模型檢測(cè)到的物體分布之間的距離，非常適合用來(lái)衡量小目標(biāo)預(yù)測(cè)框和實(shí)際的相似度。

其中，公式（5）中 C 表示數(shù)據(jù)集中的類別數(shù)， 表示一個(gè)距離度量。由于CIoU比較關(guān)注目標(biāo)的長(zhǎng)寬比差異，可以更好地衡量邊界框之間的相似度。因此考慮將CIoU與NWD結(jié)合使用，如式（7）所示，其中 α 表示CIoU的權(quán)重， β 表示NWD的權(quán)重。α 與 β 以式（8）的線性關(guān)系來(lái)組合使用，經(jīng)過(guò)實(shí)驗(yàn)得出（表2），此處 β 值為0.5時(shí)效果最好。

L o s s= α ? C I o U+ β ? N W D

β = 1 - α

1.5 設(shè)計(jì)檢測(cè)頭Group-Detect

原模型的檢測(cè)頭包含兩個(gè)分支，每個(gè)分支都需要先分別通過(guò)兩個(gè) 3 × 3 的卷積和一個(gè)普通卷積。這致使通道數(shù)多的情況下，參數(shù)量就會(huì)非常高。為了讓模型更加輕量化，設(shè)計(jì)Group-Detect檢測(cè)頭，其結(jié)構(gòu)如圖5所示。此檢測(cè)頭采用參數(shù)共享的思想，將前面的3 × 3 的卷積分支合并，減少多余的計(jì)算開銷。

我們還在此檢測(cè)頭中添加了分組卷積（GroupConv）[17]，即分組卷積。在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)中，卷積層通常會(huì)對(duì)輸入的所有通道進(jìn)行全連接的卷積運(yùn)算。而在分組卷積中，輸入通道被分成若干組，每一組內(nèi)的通道只與該組內(nèi)的卷積核相卷積，不同組的通道不相互作用。假設(shè)輸入特征圖有 個(gè)通道，設(shè)定分組數(shù)量為 g ，則每組包含 個(gè)通道。每組通道分別與對(duì)應(yīng)的卷積核進(jìn)行卷積操作。每個(gè)卷積核只處理一組內(nèi)的通道，所以卷積核的數(shù)量通常是輸出通道數(shù) 的 1 / g 。將所有組的卷積結(jié)果按組順序拼接起來(lái)，就形成了最終的輸出特征圖。因此分組卷積通過(guò)減少每次卷積的通道數(shù)，顯著降低了參數(shù)數(shù)量和計(jì)算復(fù)雜度。在特征圖輸入檢測(cè)頭后首先經(jīng)過(guò)兩個(gè)3 × 3 的GroupConv，之后分成兩個(gè)分支進(jìn)行普通卷積，以解耦思想執(zhí)行目標(biāo)框定位和類別的預(yù)測(cè)。

2 數(shù)據(jù)集

為了評(píng)估YOLO-IRLight模型在無(wú)人機(jī)應(yīng)用中檢測(cè)紅外小目標(biāo)的效果，選用了公開數(shù)據(jù)集HIT-UAV來(lái)進(jìn)行實(shí)驗(yàn)。該數(shù)據(jù)集是一個(gè)高空無(wú)人機(jī)紅外數(shù)據(jù)集，由2898張紅外圖像組成，包含了Person、Car、Bicycle、OtherVehicle、DontCare共5個(gè)類別。為了簡(jiǎn)化數(shù)據(jù)集，我們刪除了DontCare類，并將Car和OtherVehicle類別合并為單個(gè)Vehicle類別，得到3個(gè)類別：Person、Vehicle、Bicycle。最后將數(shù)據(jù)集按照7：2：1的比例劃分為訓(xùn)練集、測(cè)試集和驗(yàn)證集。圖6是訓(xùn)練集的標(biāo)簽尺寸的分布圖，坐標(biāo)數(shù)據(jù)分別是標(biāo)簽框的長(zhǎng)和寬在原圖像的占比，從圖中可以看出小尺寸標(biāo)簽占絕大多數(shù)。

3 實(shí)驗(yàn)分析

3.1實(shí)驗(yàn)平臺(tái)和參數(shù)設(shè)置

實(shí)驗(yàn)使用NVIDIAGPU和PyTorch、Python等，具體參數(shù)如表1所示。實(shí)驗(yàn)中沒(méi)有使用任何初始權(quán)重，輸入圖像大小為 6 4 0 × 6 4 0 。訓(xùn)練數(shù)據(jù)的batchsize為16，訓(xùn)練過(guò)程持續(xù)200個(gè)epoch，且所有實(shí)驗(yàn)使用一

致的超參數(shù)進(jìn)行訓(xùn)練驗(yàn)證。

3.2 評(píng)估指標(biāo)

使用目標(biāo)檢測(cè)中常用的評(píng)價(jià)指標(biāo)對(duì)模型性能進(jìn)行全面評(píng)估。這些指標(biāo)包括：F1分?jǐn)?shù)、平均精度均值（ m A P@ 0 . 5 ） 、模型參數(shù)量（Parameters）。F1分?jǐn)?shù)是評(píng)估模型在檢測(cè)任務(wù)中精確度和召回率的一個(gè)綜合指標(biāo)，如式（9）所示：

其中Precision為精確度，即模型在預(yù)測(cè)為正例的樣本中的準(zhǔn)確程度；Recall為召回率，它評(píng)估模型對(duì)正例的預(yù)測(cè)能力。mAP中的AP為P-R曲線下的面積。mAP是所有類面積的平均值， 是指使用IoU閾值為0.5，再計(jì)算每類圖片的AP，最后取平均值，如式（10），其中 K 為類別數(shù)。

3.3損失函數(shù)比例系數(shù)

NWD損失函數(shù)非常適用于小目標(biāo)的檢測(cè)，但考慮到數(shù)據(jù)集中仍然存在少量的中大尺寸目標(biāo)，只使用NWD損失函數(shù)會(huì)導(dǎo)致部分目標(biāo)漏檢和誤檢。因此嘗試將CIoU與NWD線性組合使用，具體比例分配可見表2數(shù)據(jù)。實(shí)驗(yàn)得出 β 值（NWD損失比例）為0.5時(shí)，F(xiàn)1分?jǐn)?shù)和檢測(cè)精度 達(dá)到最優(yōu)效果。

3.4 消融實(shí)驗(yàn)

為說(shuō)明以上所提幾項(xiàng)改進(jìn)方法對(duì)基準(zhǔn)模型的影響，在HIT-UAV數(shù)據(jù)集中進(jìn)行如下消融實(shí)驗(yàn)，表3中展示了將各改進(jìn)點(diǎn)分別添加到Y(jié)OLOv8s模型中的結(jié)果。

從表3可以看出，對(duì)于紅外拍攝的小尺寸目標(biāo)檢測(cè)，改進(jìn)后的算法在每個(gè)階段都有一定的提升。雖然在加入SSFF-P2-TFE模塊時(shí)，參數(shù)量有一定的增長(zhǎng)，但是精度也得到了提高，且其他模塊都做了輕量化處理，總體參數(shù)量和計(jì)算量都相較于原模型有所減少。實(shí)驗(yàn)結(jié)果表明，每個(gè)階段的網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化，都取得了較好的效果。

3.5 比較實(shí)驗(yàn)

表4給出了YOLO-IRLight模型與其他5種主流目標(biāo)檢測(cè)模型的對(duì)比結(jié)果，我們可以著出在檢測(cè)精度? m A P@ 0 . 5 ? 方面我們的模型較其他模型高出至少24 % ，F(xiàn)1精度也位居首位，超出其他模型最好表現(xiàn)的21 % 以上。數(shù)據(jù)量雖然略高于EfficientDet模型，但是以15GFLOPs的數(shù)據(jù)量獲取了兩倍于EfficientDet的檢測(cè)精度，是非?？捎^的。

表5在YOLO系列的檢測(cè)模型中橫向?qū)Ρ取７治隹芍?，我們的模型在紅外小目標(biāo)檢測(cè)數(shù)據(jù)上優(yōu)于最新發(fā)布的YOLO11。與前幾代YOLO模型相比，也均在保持低計(jì)算復(fù)雜度、參數(shù)量的同時(shí)，取得了較好的小目標(biāo)檢測(cè)精度，實(shí)現(xiàn)了輕量又精準(zhǔn)的目標(biāo)。

3.6 可視化對(duì)比

為了更直觀地展示和比較模型的性能，我們選取幾組圖像進(jìn)行預(yù)測(cè)。

如圖7所示，我們挑選了多種類目標(biāo)同時(shí)出現(xiàn)的情況。原始模型在（a）組中對(duì)person類誤檢，在（b）組中將person目標(biāo)誤檢為Bicycle類?？梢钥闯鲈Ｐ驮谀繕?biāo)種類繁多時(shí)有一定的誤檢率，我們的模型對(duì)目標(biāo)分類較為準(zhǔn)確。

圖8選取的三組圖片各有特點(diǎn)，可以看到（c）組圖像中小范圍內(nèi)存在不同尺度的目標(biāo)，（d）組圖像的背景非常模糊復(fù)雜，（e）組圖像有大量目標(biāo)重疊。在這三種情況中，對(duì)比可以看出，原始模型YOLOv8s常出現(xiàn)漏檢情況，而我們的模型在多尺度、背景復(fù)雜、小目標(biāo)密集的條件下檢測(cè)效果依舊良好。

4結(jié)論

本文提出了一種基于無(wú)人機(jī)航拍的紅外小目標(biāo)檢測(cè)模型YOLO-IRLight。針對(duì)航拍目標(biāo)的低像素、信息匱乏，無(wú)人機(jī)載模型臃腫、計(jì)算不夠輕量等問(wèn)題，使用部分卷積PConv和EMA注意力機(jī)制，引入SSFF和小目標(biāo)檢測(cè)層重塑網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計(jì)輕量化檢測(cè)頭改進(jìn)網(wǎng)絡(luò)模型。新模型的參數(shù)量和計(jì)算量相較于基準(zhǔn)模型都有所下降，平均精度 也提升到了 9 5 . 2 % 。我們?cè)贖IT-UAV數(shù)據(jù)集上進(jìn)行測(cè)試和比較，證明了本文中模塊改進(jìn)的可行性。通過(guò)對(duì)比試驗(yàn)，可以得出YOLO-IRLight在準(zhǔn)確率和模型復(fù)雜度方面優(yōu)于主流網(wǎng)絡(luò)模型，對(duì)于紅外模糊小目標(biāo)的識(shí)別效果良好，存在一定的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1]李文博，王琦，高尚.基于深度學(xué)習(xí)的紅外小目標(biāo)檢測(cè)算法綜述[J].激光與紅外，2023，53（10）：1476-1484.

[2]宋婉妮，楊本臣，金海波.基于改進(jìn)加權(quán)局部對(duì)比度的紅外小目標(biāo)檢測(cè)[J].激光與紅外，2023，53（6）：963-969.

[3]YOUNSIM，DIAFM，SIARRYP.AutomaticMultipleMoving Humans Detection and Tracking in Image SequencesTaken from a Stationary Thermal Infrared Camera [J/OL].ExpertSystems with Applications，2020，146：113171[2024-10-05].https：//doi.org/10.1016/j.eswa.2019.113171.

[4]QI M，LIUL，ZHUANGS，etal.FTC-Net：Fusion ofTransformerandCNNFeaturesforInfrared SmallTargetDetection[J].IEEE Journal of Selected Topics in Applied Earth Observationsand Remote Sensing，2022，15：8613-8623.

[5] JIANG CC，REN H Z，YANG H，et al. M2FNet：Multi-ModalFusionNetworkforObjectDetectionfromVisibleand Thermal Infrared Images [J/OL].International Journal ofApplied Earth Observation and Geoinformation，2024，130：103918[2024-10-23].https：//doi.org/10.1016/j.jag.2024.103918.

[6]LIANG M，JI T.Research on Unmanned InfraredNight Vision System Based on Improved Faster R-CNN TargetDetection Algorithm[C]//2022 IEEE 5th Advanced InformationManagement，Communicates，Electronic and Automation ControlConference （IMCEC）.Chongqing：IEEE，2022：863-869.

[7]WANGK，WANGY，ZHANGS，etal.SLMS-SSD：Improving the Balance of Semantic and Spatial Information inObject Detection [J/OL].Expert Systems with Applications，2022，206： 117682[2024-10-11]. https： //doi.org/10.1016/j.eswa.2022.117682.

[8]LUJ，HUANGT，ZHANGQ，etal.ALightweightVehicle Detection Network Fusing Feature Pyramid and ChannelAttention[J/OL].Internet of Things，2024，26：101116[2024-10-18].https：//doi.org/10.1016/j.iot.2024.101166.

[9] WANG H，MO H，LU S，et al.Electrolytic CapacitorSurface Defect Detection Based on Deep Convolution NeuralNetwork [J/OL].Journal ofKing Saud University-Computer andInformation Sciences，2024，36 （2）：101935[2024-10-23].https：//doi.org/10.1016/j.jksuci.2024.101935.

[10] ZHENG H，SUN Y，LIU X，et al. Infrared ImageDetection of Substation Insulators Using an Improved FusionSingle Shot Multibox Detector [J].IEEE Transactions on PowerDelivery，2020，36（6）：3351-3359.

[11] XINGANG M， SHUAI L，XIAO Z. YOLO-FR： AYOLOv5 Infrared Small Target Detection Algorithm Based onFeature Reassembly Sampling Method[J].Sensors，2023，23（5）：2710-2710.

[12] ZHU JX，QIN C，CHOI D M. YOLO-SDLUWD：YOLOv7-based Small Target Detection Network for InfraredImages in Complex Backgrounds [J/OL].Digital Communicationsand Networks，2023[2024-10-27].https：//doi.org/10.1016/j.dcan.2023.11.001.

[13] SUN S，MO B，XU J，et al. Multi-YOLOv8：An Infrared Moving Small Object Detection Model Basedon YOLOv8 for Air Vehicle [J/OL].Neurocomputing，2024，588：127685[2024-11-05].https：//oi.0rg/10.1016/j.neucom.2024.127685.

[14] CHEN J，KAO S，HE H，et al. Run，Don't Walk：Chasing Higher FLOPS for Faster Neural Networks [C]//Proceedings of the IEEE/CVF Conference on Computer Vision andPatterm Recognition.Vancouver： IEEE，2023：12021-12031.

[15] KANG M，TING CM，TINGFF，et al. ASF-YOLO：A Novel YOLO Model with Atentional Scale Sequence Fusion forCellInstance Segmentation [J/OLJ.Image and Vision Computing，2024，147： 105057[2024-11-06].https：//oi.org/10.1016/j.imavis.2024.105057.

[16] WANGJ，XUC，YANG W，et al.A NormalizedGaussian Wasserstein Distance for Tiny Object Detection [J/OL].arXiv：2110.13389 [cs.CV].[2024-10-23].2021.https：//arxiv.org/abs/2110.13389v1.

[17] HE S， GIRSHICK R，DOLLAR P， et al. AggregatedResidual Transformations for Deep Neural Networks [C]//Proceedings of the IEEE Conference on Computer Vision andPattem Recognition.Honolulu：IEEE，2017：1492-1500.

[18] TANMX，PANGRM，LEQV.EfficientDet： Scalableand Efficient Object Detection [C]//Proceedings of the IEEE/CVFConference on Computer Vision and Pattern Recognition.Seattle ：IEEE，2020：10781-10790.

[19] LIU W，ANGUELOV D，ERHAN D，et al. SSD：Single Shot Multibox Detector [C]//Computer Vision-ECCV 2016：14th European Conference，Amsterdam，The Netherlands，October 11-14，2016，Proceedings，Part I.Amsterdam：Springer International Publishing，2016：21-37.

[20] REN S，HEK，GIRSHICK R，et al.Faster R-CNN：Towards Real-Time Object Detection with Region ProposalNetworks [J].IEEE Transactions on Pattern Analysis and MachineIntelligence，2016，39（6）：1137-1149.

[21] LINTY，GOYALP，GIRSHICKR，et al.Focal LossforDense ObjectDetection[C]//Proceedings of the IEEE IntemationalConference onComputerVision.Venice：IEEE，2017：2980-2988.

[22] ZHOU X，WANG D，KRAHENBUHL P. Objects asPoints[J/OL].arXiv：1904.07850[cs.CV]. （2019-04-16） [2024-10-05].https：//arxiv.org/abs/1904.07850v1.

[23]Ultralytics.Comprehensive Guide to UltralyticsYOLOv5[EB/OL]. （2022-11-22） [2024-10-07].https：//docs.ultralytics.com/yolov5/.

[24]WANGCY，BOCHKOVSKIYA，LIAOHYM.YOLOv7：Trainable Bag-of-Freebies Sets New State-of-the-ArtforReal-Time ObjectDetectors[C]//Proceedings of the IEEE/CVFConference on Computer Vision and Pattern Recognition.Vancouver：IEEE，2023：7464-7475.

[25]Ultralytics.Ultralytics YOLOv8[EB/OL].（2023-01-10）[2024-10-09].https：//github.com/ultralytics/ultralytics.[26]Ultralytics.Ultralytics Solutions：Harness YOLO11 toSolve Real-World Problems [EB/OL]. （2024-09-30） [2024-10-15].https：//docs.ultralytics.com/zh.

作者簡(jiǎn)介：倪夢(mèng)琪（1999—），女，漢族，河南洛陽(yáng)人，碩士研究生在讀，研究方向：計(jì)算機(jī)目標(biāo)識(shí)別與跟蹤；陳凱源（2000一），女，漢族，河南鄭州人，碩士研究生在讀，研究方向：缺陷檢測(cè)和自然語(yǔ)言處理。