论文部分内容阅读
在计算机视觉领域,深度学习一直有着良好的表现。基于深度学习的目标检测方法在红外图像检测识别方面具有巨大的潜力。针对红外图像场景多变,尺度变化范围大,可用特征不足等问题,提出了一种Dende-Yolov5的网络结构,该网络融合了DenseNet网络和Yolov5的特点,基于充分利用feature,保护目标边缘的思想,将Yolov5s中的Resunit模块替换成了自定义的密集连接型Denseblock模块,并对Dense-Yolov5与原Yolov5网络在自建的红外数据集上进行了对照实验。改进后的Den