典型文献
基于并行注意力机制的地面红外目标检测方法
文献摘要：
地面背景下的红外目标检测是伪装防护、精确制导等领域的关键技术。针对现有基于深度学习的目标检测模型对地面背景下红外目标进行检测时容易受到复杂背景干扰、对目标关注不足，从而导致检测准确率不高的问题，文中提出了一种基于并行注意力机制的地面红外目标检测方法。首先，利用卷积和注意力并行的下采样方式，在降低模型的空间复杂度和提升训练速度的同时，对目标特征进行聚焦和关注；其次，对主干网络提取的多尺度特征进行融合，通过不同尺度信息的复用与互补抑制背景信息的干扰，提升目标检测的准确率；最后，利用焦点损失函数和CIOU损失函数提高模型的分类与回归精度。实验结果表明，在Infrared-VOC数据集上该模型的平均检测精度为82.2%，比YOLOv3提高了6.9%，同时模型的空间复杂度仅为YOLOv3的32.6%，训练时间为YOLOv3的43.7%，实现了模型训练效率和检测精度的提升。
文献关键词：
红外目标检测;并行注意力机制;深度学习;YOLOv3;训练效率
中图分类号：
作者姓名：
赵晓枫;徐叶斌;吴飞;牛家辉;蔡伟;张志利
作者机构：
火箭军工程大学 兵器发射理论与技术国家重点学科实验室，陕西 西安 710025
文献出处：
引用格式：
[1]赵晓枫;徐叶斌;吴飞;牛家辉;蔡伟;张志利-.基于并行注意力机制的地面红外目标检测方法)[J].红外与激光工程,2022(04):
A类：
B类：
并行注意力机制,面红,红外目标检测,目标检测方法,地面背景,伪装防护,精确制导,目标检测模型,复杂背景,背景干扰,检测准确率,下采样,采样方式,空间复杂度,训练速度,目标特征,主干网络,多尺度特征,不同尺度,尺度信息,复用,背景信息,提升目标,焦点损失函数,CIOU,Infrared,VOC,检测精度,YOLOv3,训练时间,模型训练,训练效率
AB值：
0.355958
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。
