文献类型：期刊文章

作　　者：王杨[1] 曹铁勇[1] 杨吉斌[1] 郑云飞[1,2,3] 方正[1] 邓小桐[1] 吴经纬[1] 林嘉[4]

WANG Yang;CAO Tie-yong;YANG Ji-bin;ZHENG Yun-fei;FANG Zheng;DENG Xiao-tong;WU Jing-wei;LIN Jia(Insitute of Command and Control Engineering,Army Engineering University of PLA,Nanjing 210007,China;The Army Artillery and Defense Academy of PLA,Nanjing 211100,China;The Key Laboratory of Polarization Imaging Detection Technology,Hefei 230031,China;Shandong Military Region,Ji’nan 250000,China)

机构地区：[1]陆军工程大学指挥控制工程学院,南京210007 [2]陆军炮兵防空兵学院,南京211100 [3]安徽省偏振成像与探测重点实验室,合肥230031 [4]山东省军区数据信息室,济南250000

出　　处：《计算机科学》

基　　金：国家自然科学基金青年科学基金(61801512);国家自然科学基金(62071484);江苏省优秀青年基金项目(BK20180080)。

年　　份：2021

卷　　号：48

期　　号：10

起止页码：226-232

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：迷彩伪装目标与周围环境高度相似,对迷彩伪装目标的检测任务比普通的检测任务更具挑战性,常规的检测算法对迷彩伪装目标检测任务不完全适用。文中对现有方法进行分析,以YOLO v5算法为基础,提出了一种针对迷彩伪装目标的检测算法。该算法结合注意力机制设计了新的特征提取网络,突出了迷彩伪装目标的特征信息;并且对原有的聚合网络进行了改进,增大了检测的尺度,使用非对称卷积模块强化了目标语义信息。在一种公开的迷彩伪装目标数据集上将该算法与7种算法进行对比,所提算法的mAP值较原始算法提升了4.4%,召回率提升了2.8%,在mAP值方面也比其他算法更具优势,从而验证了所提算法对迷彩伪装目标检测任务的有效性。

关 键 词：迷彩伪装目标  目标检测 注意力机制  YOLO  聚合网络  

分 类 号：TP751]