10.3969/j.issn.1002-0640.2023.03.015
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20ms,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.
城市作战、NVIDIA JETSON TX2、YOLOv5、智能武器系统、卷积注意力
48
E836.7(战术学)
国家自然科学基金;北京信息科学与技术国家研究中心跨媒体智能专项基金;北京市高精尖学科建设基金项目;中国传媒大学中央高校基本科研业务费专项基金资助项目;中国传媒大学中央高校基本科研业务费专项基金资助项目
2023-05-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
101-106