融合注意力机制的弱监督迷彩伪装目标检测算法

作者：杨辉; 权冀川^*; 梁新宇; 郭安文; 王中伟

来源：网络安全与数据治理, 2022, 41(09): 81-91.

DOI：10.19358/j.issn.2097-1788.2022.03.013

• 目标检测
• 弱监督算法
• 注意力机制
• 迷彩伪装目标

随着计算机硬件和人工智能技术的发展，强监督目标检测算法已经取得了很大的成果。然而，强监督目标检测算法需要在大规模、标注精度高的数据集上进行训练。但在某些特定领域，上述条件要求过于苛刻。例如，军事上常用的迷彩伪装目标的图像数据集就比公共数据集更难获得且标注难度更大。因此，采用对数据集要求更低的弱监督目标检测算法来实现迷彩伪装目标的检测任务。由于图像中迷彩伪装目标与背景融合度较大，导致原始浅层特征感知伪监督目标定位(Shallow feature-aware Pseudo supervised Object Localization, SPOL)算法的检测精度相对较低。本文的核心是在SPOL算法的基础上融合注意力机制，通过加入注意力模块，让模型更加关注迷彩伪装目标的区域，以此来提高迷彩伪装目标的检测精度。

• 单位
  中国人民解放军陆军工程大学