改进的YOLOv5地面军事目标识别算法 |
| |
引用本文: | 刘康,宋晓茹,高嵩,陈超波.改进的YOLOv5地面军事目标识别算法[J].火力与指挥控制,2023(11):58-66. |
| |
作者姓名: | 刘康 宋晓茹 高嵩 陈超波 |
| |
作者单位: | 1. 西安工业大学电子信息工程学院;2. 机电动态控制重点实验室 |
| |
基金项目: | 陕西省重点研发计划项目(2021GY-287); |
| |
摘 要: | 针对战场复杂背景下地面军事目标识别算法性能较低的问题,提出一种基于并行注意力机制的PAL-YOLO地面军事目标识别算法。该算法在自建地面军事目标数据集下,对目标的锚框进行重新聚类;在网络的Backbone中加入通道-空间并行注意力机制模块,提升目标特征提取能力;通过采用Alpha_IoU对目标识别分类器的损失函数进行改进,加速模型收敛。结果表明,改进后的算法在保证模型空间复杂度的同时,mAP值提升了6.4%,FPS提升6%。
|
关 键 词: | 目标识别 PAL-YOLO 注意力机制 Alpha-IoU |
|
|