CAMOU-YOLO:一种迷彩伪装目标检测模型

• 全文链接
• 请求原文

作   者：

王烨奎;  曹铁勇;  王杨;  方正;  刘亚九;  郑云飞;  付炳阳; 

作者机构：

陆军工程大学指挥控制工程学院;  31401部队; 

关键词：

YOLO;  动态注意力;  目标检测;  迷彩伪装;  深度可分离卷积; 

期刊名称：

计算机技术与发展

i s s n：

1673-629X

年卷期：

2022 年 012 期

页   码：

摘   要：

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。