首页|CAMOU-YOLO:一种迷彩伪装目标检测模型

CAMOU-YOLO:一种迷彩伪装目标检测模型

扫码查看
原文链接
  • 万方数据
  • 维普
由于迷彩伪装目标与所处背景高度融合,现有深度目标检测模型在此类目标上的检测效果并不出众.为提升对迷彩伪装目标的检测精度,以YOLOv5s模型为基础,提出了CAMOU-YOLO——一种结合深度可分离卷积和动态注意力的迷彩伪装目标检测模型.针对迷彩伪装目标特征提取难的问题,结合深度可分离卷积与残差结构设计了新的特征提取模块,并对原有骨干网络进行改进,在增强提取能力的同时,减小了模型的参数量;针对迷彩伪装目标定位难度大的问题,在聚合网络中引入动态注意力机制,强化了模型的空间感知能力,使模型对迷彩伪装目标的定位更加精准.在一种公开的迷彩数据集上进行实验,CAMOU-YOLO的mAP@0.5、mAP@0.75和mAP@0.5:0.95指标较原始模型提高了3.2％、5.1％、2.3％,在大、中、小目标上的召回率分别提高了4.1％、2.7％、1.2％,且参数量降低了9.7％;对比其他7种检测算法,CAMOU-YOLO在检测精度上亦具有优势,验证了所提模型对迷彩伪装目标检测任务的有效性.
CAMOU-YOLO:A Camouflaged Object Detection Model

王烨奎、曹铁勇、王杨、方正、刘亚九、郑云飞、付炳阳

展开 >

陆军工程大学 指挥控制工程学院,江苏 南京210007

31401部队,吉林 长春130000

陆军炮兵防空兵学院,江苏 南京211100

偏振光成像探测技术安徽省重点实验室,安徽 合肥 230031

展开 >

迷彩伪装 目标检测 YOLO 深度可分离卷积 动态注意力

国家自然科学基金青年科学基金国家自然科学基金江苏省优秀青年基金

6180151262071484BK20180080

2022

10.3969/j.issn.1673-629X.2022.12.005

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(12)
  • 1
  • 2