CAMOU-YOLO:一种迷彩伪装目标检测模型

作者：王烨奎; 曹铁勇^*; 王杨; 方正; 刘亚九; 郑云飞; 付炳阳

来源：计算机技术与发展, 2022, 32(12): 29-36.

• 迷彩伪装
• 目标检测
• YOLO
• 深度可分离卷积
• 动态注意力

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。

• 单位
  中国人民解放军陆军炮兵防空兵学院; 中国人民解放军陆军工程大学