典型文献
基于注意力机制的迷彩伪装人员检测算法研究
文献摘要：
目的:针对复杂环境目标检测任务中迷彩伪装人员与周围背景高度一体化、辨识度低而导致误检和漏检的问题,提出一种基于注意力机制的迷彩伪装人员检测算法TC-YOLOv5s.方法:TC-YOLOv5s算法以YOLOv5s为基本框架,分别在特征提取网络和特征融合网络末端嵌入自注意力模块Transformer,并在特征融合网络中引入卷积注意力机制模块(convolutional block attention module,CBAM).将TC-YOLOv5s算法在自制的军事伪装人员数据集上进行训练验证,并与RetinaNet、YOLOX-s、YOLOv5s、YOLOv5m以及YOLOv5l算法检测效果进行比较.结果:TC-YOLOv5s算法对复杂环境下迷彩伪装人员识别的准确率、召回率以及平均准确率均值(mAP0.5)分别达到了95.0％、88.0％和95.1％,相比YOLOv5s算法,平均准确率均值提高了4.8％;与RetinaNet、YOLOX-s、YOLOv5m、YOLOv5l等算法相比,TC-YOLOv5s算法更加轻量化,平均准确率均值和处理速度更优.结论:TC-YOLOv5s算法检测精度高、鲁棒性好,能够有效识别和准确定位迷彩伪装人员.
文献关键词：
YOLOv5s;注意力机制;Transformer模块;CBAM;迷彩伪装
中图分类号：
作者姓名：
张伟;周旗开;李睿智;牛福
作者机构：
军事科学院系统工程研究院,北京 100166
文献出处：
引用格式：
[1]张伟;周旗开;李睿智;牛福-.基于注意力机制的迷彩伪装人员检测算法研究)[J].医疗卫生装备,2022(09):1-7
A类：
B类：
迷彩伪装,人员检测,检测算法,算法研究,复杂环境,环境目标,目标检测,辨识度,漏检,YOLOv5s,基本框架,特征提取网络,特征融合网络,自注意力模块,Transformer,卷积注意力机制模块,convolutional,block,attention,module,CBAM,RetinaNet,YOLOX,YOLOv5m,YOLOv5l,检测效果,人员识别,召回率,平均准确率,mAP0,处理速度,检测精度,准确定位
AB值：
0.292869
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。
