第４４卷第６期兵器装备工程学报２０２３年６月收稿日期:２０２２－１２－２６ꎻ修回日期:２０２３－０１－１９基金项目:国家自然科学基金项目(６１６０３３５２)ꎻ山西省基础研究计划资助项目(２０２２０３０２１２１１０８８ꎬ２０２１０３０２１２２４１８８)ꎻ山西回国留学人员科研资助项目(ＨＧＫＹ２０１９０６８)作者简介:薛震(１９８０—)ꎬ男ꎬ博士ꎬ副教授ꎬＥ￣ｍａｉｌ:ｘｕｅｚｈｅｎ＠ｎｕｃ.ｅｄｕ.ｃｎꎮｄｏｉ:１０.１１８０９/ｂｑｚｂｇｃｘｂ２０２３.０６.０２３基于改进ＹＯＬＯｖ７的融合图像多目标检测方法薛震１ꎬ张亮亮１ꎬ刘吉２(１.中北大学数学学院ꎬ太原０３００５１ꎻ２.中北大学信息与通信工程学院ꎬ太原０３００５１)摘要:针对微光环境下目标检测精度较低的问题ꎬ提出了一种基于改进ＹＯＬＯｖ７的微光与红外融合图像的多目标检测方法ꎮ结合可见光、红外图像的优点ꎬ利用生成对抗网络法制作融合图像数据集ꎮ在ＹＯＬＯｖ７模型中引入ＢｏＴ结构ꎬ使网络更加关注整体图像信息ꎬ提升特征提取能力ꎬ从而提高行人和汽车检测的准确率ꎬ并将回归损失函数由ＣＩｏＵ改进为ＳＩｏＵꎬ降低自由度ꎬ加速网络收敛ꎬ得到了ＹＯＬＯｖ７的改进算法—ＢｏＴ￣ＹＯＬＯｖ７ꎮ在公开数据集ＬＬＶＩＰ和ＭＳＲＳ上进行了实验ꎮ结果表明:相比可见光或红外图像ꎬＢｏＴ￣ＹＯＬＯｖ７对融合图像的检测精度较高ꎻ改进算法对融合图像取得了９２.６％的平均精度均值ꎬ较原始ＹＯＬＯｖ７模型提高了５.８３％ꎻＢｏＴ￣ＹＯＬＯｖ７算法在检测行人和汽车等目标时漏检和误检率较低ꎬ具有较好的准确性和实时性ꎬ可以满足微光环境下多目标探测的要求ꎮ关键词:目标检测ꎻＹＯＬＯｖ７ꎻＢｏＴꎻ图像融合ꎻ深度学习本文引用格式:薛震ꎬ张亮亮ꎬ刘吉.基于改进ＹＯＬＯｖ７的融合图像多目标检测方法[Ｊ].兵器装备工程学报ꎬ２０２３ꎬ４４(６):１６６－１７２.Ｃｉｔａｔｉｏｎｆｏｒｍａｔ:ＸＵＥＺｈｅｎꎬＺＨＡＮＧＬｉａｎｇｌｉａｎｇꎬＬＩＵＪｉ.Ｔｈｅｍｕｌｔｉ￣ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｏｆｆｕｓｅｄｉｍａｇｅｓｂａｓｅｄｏｎｉｍ￣ｐｒｏｖｅｄＹＯＬＯｖ７[Ｊ].ＪｏｕｒｎａｌｏｆＯｒｄｎａｎｃｅＥｑｕｉｐｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇꎬ２０２３ꎬ４４(６):１６６－１７２.中图分类号:ＴＪ０１ꎻＴ...
