来源：期刊VIP网 时间：
作者：孙钿;张意;韩旭东;夏志禹;汪国平;
单位：西安现代控制技术研究所;西北工业大学自动化学院;
摘要：针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题，提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先，在颈部网络引入AFPN渐进特征金字塔网络，以渐进的方式融合图像底层详细信息和顶层高级语义特征，增强了网络特征融合效果；其次，在每个检测分支前增添EMA注意力机制模块，跨空间聚合像素级特征，提高了复杂场景下对多尺度目标的关注程度；最后，使用MPDIoU替代YOLOV5原有C_(IoU)边界框损失函数，解决了预测框宽高比相同但绝对值不同时C_(IoU)退化的问题，使回归结果更为准确。实验结果表明，改进后算法在RSOD数据集上P_(mAP50)达到94.5%,FPS达到42 frame/s,模型大小为14.8 MB。与现有算法相比，改进后算法性能显著提升，可满足军事目标检测的实时性要求、模型轻便。
关键词：军事目标检测;;YOLOV5;;渐进特征金字塔网络;;多尺度目标;;注意力机制
