ISTD-YOLO：一种多尺度轻量化高性能红外小目标检测算法
计算机视觉与模式识别
2025-04-22 v1
摘要
针对红外图像复杂背景、信噪比低、目标尺寸小和亮度弱等检测困难，提出一种基于改进 YOLOv7 的轻量化红外小目标检测算法 ISTD-YOLO。首先，对 YOLOv7 网络结构进行轻量化重构，设计三尺度轻量化网络架构。然后，替换模型颈部网络的 ELAN-W 模块为 VoV-GSCSP 以降低计算成本和网络结构复杂度。其次，引入参数无关注意力机制于颈部网络以增强局部上下文信息的相关性。最后，使用归一化 Wasserstein 距离（NWD）优化常用的 IoU 指数以增强小目标的定位和检测精度。实验结果表明，与 YOLOv7 和当前主流算法相比，ISTD-YOLO 可有效提高检测效果，所有指标均得到有效提升，实现对红外小目标的高质量检测。
引用
@article{arxiv.2504.14289,
title = {ISTD-YOLO: A Multi-Scale Lightweight High-Performance Infrared Small Target Detection Algorithm},
author = {Shang Zhang and Yujie Cui and Ruoyan Xiong and Huanbin Zhang},
journal= {arXiv preprint arXiv:2504.14289},
year = {2025}
}