基于全局特征融合的无人机红外图像目标检测方法
2026.11.17点击:
摘要:针对当前无人机红外图像目标检测技术中特征提取不足导致检测精度不高的问题,提出一种基于全局特征融合的无人机红外图像目标检测方法GFF-YOLO(Global Feature Fusion Networks based on YOLO)。所提算法以YOLOv5n为基础,首先通过引入基于感受野注意力的卷积运算(Receptive-Field Attention Convolution,RFAConv),提升特征提取能力;其次构建全局特征融合网络(Global Feature Fusion Networks,GFFNet),增强信息的交流,实现多尺度特征的充分融合;最后,采用统一的动态检测头(Dynamic Head,DyHead)替换原网络的检测头,进一步提高模型检测精度。实验结果表明,与YOLOv8等先进检测方法在Derone Vehicle无人机红外数据集上相比,文中GFF-YOLO方法在无人机红外图像目标检测上具有更高的检测精度,相较于YOLOv5n原网络,准确率提升了5.1%,召回率提升了8.5%,平均精度均值提升了6.0%。
关键词: 红外图像目标检测;特征融合;YOLOv5n;
基金资助: 西安工程大学创新创业训练项目(编号:202410709048);
DOI: 10.20153/j.issn.2096-9759.2026.09.003
专辑: 信息科技;工程科技Ⅱ辑
专题: 航空航天科学与工程;计算机软件及计算机应用
分类号: V19;TP391.41
- 上一篇:基于Sierpinski正方形嵌套改进型小型通信分形天线设计 2026/11/17
- 下一篇:基于改进DQN算法的移动机器人局部路径规划研究 2026/11/13