基于SCW-YOLO的车载红外图像检测算法OA

针对红外图像因分辨率差和特征模糊导致的检测准确率低和误检漏检的问题,提出一种基于SCW-YOLO(Shared-Context-Wise-YOLO)的车载红外图像检测算法。首先,提出一种共享卷积层金字塔池化(Shared Convolution Pyramid Pooling,SCPP)结构,通过使用共享卷积层和不同膨胀率的卷积,提高模型的多尺度特征提取能力。其次,设计一种基于自适应细粒度通道注意力的上下文信息融合(Context Information Fuision,CIF)模块,利用自适应调整策略增强关键信息的权重,强化特征融合能力。最后,利用WIoU(Wise-IoU)损失函数,通过调整梯度增益分配,降低图像中可能存在的错误标注产生的影响。在FLIR数据集上的实验表明,SCW-YOLO在准确率、召回率和平均精度上比YOLO11s基准算法分别提高1.5、1.7和1.8个百分点,检测速度达到85.5 FPS(Frames Per Second)。