典型文献
基于改进YOLOv5的复杂背景红外弱小目标检测算法
文献摘要：
针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求.论文提出一种基于改进YOLOv5(You Only Look Once)的复杂背景红外弱小目标检测算法.该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率.实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性.实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值(mean Average Precision,mAP)可达99.6％以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低.
文献关键词：
红外弱小目标;复杂背景;YOLOv5;注意力机制;损失函数
中图分类号：
作者姓名：
代牮;赵旭;李连鹏;刘文;褚昕悦
作者机构：
北京信息科技大学 高动态导航技术北京市重点实验室,北京 100192
文献出处：
引用格式：
[1]代牮;赵旭;李连鹏;刘文;褚昕悦-.基于改进YOLOv5的复杂背景红外弱小目标检测算法)[J].红外技术,2022(05):504-512
A类：
B类：
YOLOv5,复杂背景,红外弱小目标检测,目标检测算法,传统算法,算法依赖,红外目标,环境背景,信息提取,干扰因素,You,Only,Look,Once,注意力机制,特征提取能力,检测效率,目标检测网络,损失函数,图像数据集,目标检测模型,模型训练,评估算法,算法训练,练出,检测准确性,检测速度,列出,平均精度均值,mean,Average,Precision,mAP,有效检测,虚警率
AB值：
0.256661
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。
