[发明专利]一种基于YOLOv5算法的迷彩伪装目标检测方法及系统

权利要求书

1.一种基于YOLOv5算法的迷彩伪装目标检测方法，其特征在于，包括：

采集包含迷彩伪装目标的实时战场图像数据，将实时战场图像数据输入至预先训练的迷彩伪装目标检测模型中获取对伪装目标的检测结果；

所述迷彩伪装目标检测模型的训练过程包括:

获取历史战争图像数据,构建训练数据集合；

基于YOLOv5算法的骨干网络将C3模块替换为DC3模块获得提取网络，基于YOLOv5算法的头部网络、DC3模块和动态注意力机制模块构建聚合网络；将提取网络、聚合网络和基于YOLOv5算法的检测模块构建迷彩伪装目标检测模型；

利用训练数据集合训练迷彩伪装目标检测模型，重复训练过程直至迷彩伪装目标检测模型的检测准确率趋于稳定。

2.根据权利要求1所述的一种基于YOLOv5算法的迷彩伪装目标检测方法，其特征在于，将实时战场图像数据输入至预先训练的迷彩伪装目标检测模型中获取对伪装目标的检测结果的方法包括：

将实时战场图像数据输入预设的提取网络，提取得到实时战场图像数据中迷彩伪装目标的特征图；

利用聚合网络对提取到的特征图进行融合，融合得到迷彩伪装目标的增强特征图；

对增强特征图进行检测得到迷彩伪装目标的类别及在原始图像中的位置信息。

3.根据权利要求2所述的一种基于YOLOv5算法的迷彩伪装目标检测方法，其特征在于，所述提取网络依次分为第一提取单元、第二提取单元、第三提取单元、第四提取单元和第五提取单元；所述第一提取单元包括卷积模块；第二提取单元、第三提取单元和第四提取单元包括依次叠加的卷积模块和DC3模块；所述第五提取单元包括依次叠加的卷积模块、金字塔池化层和DC3模块；所述卷积模块包含卷积层、标准化层和激活函数。

4.根据权利要求3所述的一种基于YOLOv5算法的迷彩伪装目标检测方法，其特征在于，所述聚合网络包括依次叠加设置的第一聚合单元、第二聚合单元、第三聚合单元、第四聚合单元和第五聚合单元；

所述第一聚合单元包括依次叠加的卷积模块、上采样模块和拼接模块；所述第一聚合单元中卷积模块的输入特征为所述第五提取单元中DC3模块的输出特征；所述第一聚合单元的拼接模块作用于拼接第一聚合单元中上采样模块的输出特征和所述第四提取单元中DC3模块的输出特征；

第二聚合单元包括依次叠加的DC3模块、卷积模块、上采样模块和拼接模块；所述第二聚合单元中DC3模块的输入特征为所述第一聚合单元中拼接模块的输出特征；所述第二聚合单元的拼接模块作用于拼接第三提取单元中卷积模块的输出特征和第二聚合单元中上采样模块的输出特征；

所述第三聚合单元包括动态注意力机制模块；所述第四聚合单元和第五聚合单元包括依次叠加的卷积模块、拼接模块和动态注意力机制模块；所述第四聚合单元中拼接模块作用于拼接所述第二聚合单元中卷积模块的输出特征和第四聚合单元中卷积模块的输出特征；所述第五聚合单元中拼接模块作用于拼接所述第一聚合单元中上采样模块的输出特征和第五聚合单元中卷积模块的输出特征；所述的动态注意力机制模块的输出特征输送至所述检测模块。