基于城市作战的隐匿小目标识别技术

随着人工智能技术的飞速发展，能够自动识别、锁定和打击目标的智能化武器系统逐渐出现，代替人类执行简单的决策命令，高精度目标识别算法是智能化武器精确打击的前提。目前城市作战越来越受到世界各军事强国的高度重视。城市战场态势瞬息万变，复杂的伪装技术、目标遮挡和恶劣环境条件，给智能目标识别带来严峻的挑战。以当前先进的目标识别模型YOLOv5为基础模型，提出了一种可以多尺度学习空间和通道信息的卷积注意力模块MS-CBAM，允许每个神经元根据输入信息自适应地调整其感受野大小。实验结果表明，在国际公开COCO数据集和自建数据集Long-distance PC Dataset上mAP分别提升了0.5%和2%。训练好的轻量级模型经过TensorRT加速部署在NVIDIA JETSON TX2，实时检测帧为20 ms，满足实时检测要求。该系统也可以作为智能武器系统的一个模块，对自主型武器和无人作战系统具有一定的借鉴意义。