2023年无线电工程第53卷第1期47doi:10．3969/j．issn．1003－3106．2023．01．007引用格式:郭勇，张凯．基于特征增强的快速红外目标检测［J］．无线电工程，2023，53(1):47－55．［GUOYong，ZHANGKai．FastInfraredObjectDetectionBasedonFeatureEnhancement［J］．ＲadioEngineering，2023，53(1):47－55．］基于特征增强的快速红外目标检测郭勇1，张凯2(1．福建信息职业技术学院物联网与人工智能学院，福建福州350003;2．厦门大学信息学院，福建厦门361005)摘要:针对小型红外探测系统对实时目标检测的应用需求，提出了一种基于特征增强的快速红外目标检测模型。设计了轻量化的特征提取网络，并利用双残差结构提升特征图的鲁棒性;利用阶梯式特征融合结构有效结合不同层次特征的语义信息和空间信息，提升预测特征图的完备性，为后端目标预测提供有力支撑。网络训练阶段还采用多尺度训练和数据增强技术进一步提升模型检测性能。在FLIＲADAS数据集上对所提模型进行测试，与YOLOv3等经典模型相比，检测速度大幅提升，检测精度仅略有下降;与同类型快速检测模型Tiny-YOLOv3相比，在模型大小、检测精度和速度上均占据优势。多组实验对比验证了所提模型的有效性和实用性。关键词:红外目标;深度学习;目标检测;特征增强中图分类号:TP391文献标志码:A开放科学(资源服务)标识码(OSID):文章编号:1003－3106(2023)01－0047－09FastInfraredObjectDetectionBasedonFeatureEnhancementGUOYong1，ZHANGKai2(1．CollegeofTheInternetofThingsandArtificialIntelligence，FujianPolytechnicofInformationTechnology，Fuzhou350003，China;2．SchoolofInformatics，XiamenUniversity，Xiamen361005，China)Abstract:Accordingtotheapplicationrequirementsofsmallinfraredsystemforreal－timeobjectdetection，afastinfraredobjectdetectionmodelbasedonfeatureenhancementisproposed．Firstly，alightweightfeatureextractionnetworkisdesigned，andthedoubleresidualstructureisusedtoimprovetherobustnessofthefeaturemap;secondly，thestairstepfeaturefusionstructureisutilizedtoeffectivelycombinethesemanticinformationandspatialinformationofdifferentlevelsoffeaturestoimprovethecompletenessofthepredictionfeaturemapandprovidestrongsupportfortheback-endobjectprediction．Duringnetworktraining，multi-scaletraininganddataenhancementtechnologya...
