基于改进YOLOv5的坦克目标检测算法

坦克目标的准确识别定位是信息化战争中一项重要研究，针对传统检测算法抗干扰性差、难应用于大视野复杂环境下的问题，提出了一种基于改进YOLOv5坦克自动识别的检测算法。利用YOLOv5模型对大视野复杂战场环境下坦克目标进行识别：在YOLOv5基础模型中引入Attention-based information fusion模块，提高模型检测精度和识别能力；使用Pre-segment multi-scale fusion模块解决骨干网络中池化操作所造成的信息丢失问题；使用Swin Transformer机制降低小目标坦克漏检误检的问题。在坦克数据集上进行实验，结果表明：与YOLOv5原始模型相比，改进模型的召回率、平均精度分别提高了9.1%、5.1%。改进后的YOLOv5模型可以很好地对大视野复杂环境下坦克目标进行精确识别，改善了坦克目标检测中小目标漏检的问题。