一种改进YOLOv5算法的伪装目标检测方法

来源：电子与信息学报杂志2024年第8期北京时间：

作者：彭锐晖, 赖杰, 孙殿星, 李莽, 颜如玉, 李雪

单位：1.哈尔滨工程大学信息与通信工程学院 哈尔滨 1500012.哈尔滨工程大学青岛创新发展基地 青岛 2660003.海军航空大学信息融合研究所 烟台 264001

摘要：为了深入挖掘伪装目标特征信息含量、充分发挥目标检测算法潜能，解决伪装目标检测精度低、漏检率高等问题，该文提出一种多模态图像特征级融合的伪装目标检测算法(CAFM-YOLOv5)。首先，构建伪装目标多波谱数据集用于多模态图像融合方法性能验证；其次，构建双流卷积通道用于可见光和红外图像特征提取；最后，基于通道注意力机制和空间注意力机制提出一种交叉注意力融合模块，以实现两种不同特征有效融合。实验结果表明，模型的检测精度达到96.4%、识别概率88.1%，优于YOLOv5参考网络；同时，在与YOLOv8等单模态检测算法、SLBAF-Net等多模态检测算法比较过程中，该算法在检测精度等指标上也体现出巨大优势。可见该方法对于战场军事目标检测具有实际应用价值，能够有效提升战场态势信息感知能力。

关键词：伪装目标检测, 多波谱数据集, 注意力机制, 可见光图像, 红外图像

基金资助：航天科技集团稳定支持项目(ZY0110020009)，国防科技重点实验室基金项目(2023-JCJQ-LB-016)