10.16652/j.issn.1004-373x.2022.17.008
基于DETR的迷彩伪装目标检测
近年来随着伪装技术的发展,尤其是高融合迷彩伪装概念的提出以及喷墨打印技术的突破性发展,使得可见光部分的伪装目标检测遇到了挑战.为解决高融合伪装下目标检测的问题,采用一个端对端的网络Detection Transformer(DETR),通过构建特征网络,优化算法,建立目标与背景之间的数学模型,得到了目标区域的像素信息.该网络可用作复杂场景下的伪装目标识别,不需要使用密集的先验来覆盖整个图像,网络中的检测模块和识别模块可以同时训练,不仅计算成本低,而且提高了模型的性能.此外,使用ResNet来减少分类器所需的参数.在大斑点迷彩、数码迷彩、高融合迷彩的测试数据集上进行实验,结果证明,DETR网络与目前比较先进的YOLOv5相比,精度一致的情况下,分类速度提升了20%,达到了有效检测的目的.
DETR、目标检测、迷彩伪装、多头自注意力机制、残差网络、YOLO、高融合迷彩
45
TN911.73-34;TP394.1
装备预研重点实验室基金614220602021702
2022-09-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
41-46