LFIR-YOLO红外检测模型

轻量高精度

专为夜间交通场景设计的红外目标检测模型，在提升精度的同时大幅降低计算成本，适合边缘设备实时部署。

Wang, Quan · 曹毅 · Zhou, Muxiong

Sensors 2024

参数信息

检测精度提升

4.3 %

技术优势

边缘设备跑得动

参数量减少 15.5%，计算复杂度降低 34%，模型更轻量，适合资源受限的嵌入式平台实时运行。

红外小目标更清晰

通过多尺度膨胀残差模块和内容引导注意力，增强红外图像中低信噪比、稀疏细节的特征提取能力，改善目标辨识度。

背景干扰更易抑制

引入 PIoU v2 和自适应阈值焦点损失，更有效地将红外目标与背景解耦，加快模型收敛。

应用场景

• 自动驾驶：夜间车载红外感知更准，助力自动驾驶安全决策。
• 无人机巡检：无人机夜间巡检可快速识别车辆与行人。
• 智慧交通：红外交通监控更轻量，边缘端实时处理。
• 边缘计算：模型轻量，便于在边缘设备上实时部署。