基于改进YOLOv5的空中目标部位快速分割算法

为满足导弹武器对空中目标高效毁伤的需求，针对基于深度学习的算法对空中目标部位分割速度慢、准确率低的问题，提出一种基于改进YOLOv5的空中目标部位分割算法。将YOLOv5的检测头替换为类似YOLACT算法的分割头，使其能够完成实例分割任务；对网络进行剪枝，在不影响精度的前提下获得更快的推理速度；在Backbone网络中应用可变形卷积、增加坐标注意力机制(coordinate attention, CA)模块，丰富目标的多尺度空间及语义信息，进一步提升算法的局部特征提取能力；基于Ghost卷积设计C3＿Ghost模块，替换YOLOv5原算法Neck部分的C3模块，显著降低算法计算量，并保证算法精度不受太大影响。对比与消融实验表明，所提方法与改进策略能有效降低计算量，在保证实时性的同时，算法精度也有所提升。