CAMOU-YOLO:一种迷彩伪装目标检测模型

来源：计算机技术与发展杂志2022年第12期北京时间：

作者：王烨奎;';曹铁勇;王杨;方正;刘亚九;郑云飞;';付炳阳

单位：1. 陆军工程大学 指挥控制工程学院,江苏 南京 210007;2. 31401 部队,吉林 长春 130000;3. 陆军炮兵防空兵学院,江苏 南京 211100;4. 偏振光成像探测技术安徽省重点实验室,安徽 合肥 230031

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。

关键词：迷彩伪装;目标检测;YOLO;深度可分离卷积;动态注意力