面向嵌入式系统的复杂场景红外目标实时检测算法

【摘要】：为了解决复杂背景条件下，红外目标检测存在的准确率低、召回率低、以及网络模型在嵌入式计算平台上推理速度慢的问题，以轻量化网络YOLOv4-Tiny作为算法的基本架构，结合视觉注意力机制和空间金字塔池化思想，提出两种面向嵌入式系统的红外目标检测网络，利用迁移学习策略进行训练，在以昇腾310 AI芯片为核心的Atlas 200 DK嵌入式计算平台进行部署。实验结果表明，在该嵌入式计算平台上推理分辨率为640 pixel×512 pixel的红外图像，相较于原始网络YOLOv4-Tiny，所提网络YOLOv4-Tiny+SE+SPP的平均准确率和召回率分别提升12.36%和18.6%，推理速度达到78 fps；所提网络YOLOv4-Tiny+CBAM+SPP的平均准确率和召回率分别提升15.94%和22.89%，推理速度达到71 fps，可兼顾准确率和实时性，能够满足军事和安防领域对红外目标进行实时检测和跟踪的需要。