DEF-YOLO：基于 YOLO 的热成像隐蔽武器检测
计算机视觉与模式识别
2025-10-16 v1
摘要
隐蔽武器检测旨在检测藏在人身衣物或行李 underneath 的武器。各种成像模态如毫米波、微波、太赫兹、红外等被用于隐蔽武器检测任务。这些成像模态各自存在局限，如毫米波成像分辨率差、隐私问题等。为提供实时、24 小时监视、低成本且隐私保护的解决方案，我们选用热成像，尽管缺乏可用的基准数据集。我们提出了一种 novel 方法和一个数据集，用于热成像中的隐蔽武器检测。我们的 YOLO 基于架构，DEF-YOLO，在 YOLOv8 中进行关键改进，以适应热成像中隐蔽武器检测的独特挑战。在 SPPF 层采用可变形卷积以探索多尺度特征；在 backbone 和 neck 层提取 low、mid、high 级别特征，使 DEF-YOLO 能够在热成像均匀区域自适应聚焦于目标局部定位，同时不显著牺牲速度和吞吐量。除了这些简单而有效的关键架构更改之外，我们引入了大规模热成像隐蔽武器数据集（Thermal Imaging Concealed Weapon, TICW）， featuring diverse concealed weapons and capturing wide range of scenarios. 到目前为止，据我们所知，这是首个为此任务提供的大规模数据集。我们还采用 focal loss 以解决隐蔽武器检测任务中显著的类别不平衡问题。通过大量实验，本文的有效性为热成像隐蔽武器检测建立了新的基准。
引用
@article{arxiv.2510.13326,
title = {DEF-YOLO: Leveraging YOLO for Concealed Weapon Detection in Thermal Imagin},
author = {Divya Bhardwaj and Arnav Ramamoorthy and Poonam Goyal},
journal= {arXiv preprint arXiv:2510.13326},
year = {2025}
}