典型文献
CAMOU-YOLO:一种迷彩伪装目标检测模型
文献摘要：
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.
文献关键词：
迷彩伪装;目标检测;YOLO;深度可分离卷积;动态注意力
中图分类号：
作者姓名：
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,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
文献出处：
引用格式：
[1]王烨奎;曹铁勇;王杨;方正;刘亚九;郑云飞;付炳阳-.CAMOU-YOLO:一种迷彩伪装目标检测模型)[J].计算机技术与发展,2022(12):29-36
A类：
CAMOU,动态注意力
B类：
迷彩伪装目标,伪装目标检测,目标检测模型,高度融合,有深度,类目,检测效果,不出,出众,检测精度,YOLOv5s,深度可分离卷积,目标特征,残差结构,取模,骨干网络,参数量,目标定位,聚合网络,注意力机制,空间感知能力,mAP,小目标,召回率,检测算法
AB值：
0.154607
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
