基于改进MAE和YOLOv5的遮挡目标两阶段检测方法

摘要

无人装备侦察过程中,自然地物形成的前景遮挡严重干扰目标检测算法提取侦察图像特征,导致算法对装甲车辆目标图像识别准确率大幅降低,甚至无法识别,影响军事人员对侦察回传的图像进行分析、研判。对此,本文提出了一种基于改进掩码自编码器(masked autoencoders,MAE)和YOLOv5的被遮挡装甲目标两阶段识别方法,以改进MAE作为“修复器”,修复装甲目标的被遮挡部分,再利用YOLOv5作为“检测器”获取修复后的目标类别和位置。该方法为大面积遮挡目标识别提出了一种“先修后检”的思路,其他行之有效的修复模型、检测模型同样可以尝试利用这一方法解决此类问题。仿真实验的定量对比和定性分析证明了本文提出的两阶段检测方法具有可行性;另外,在不同遮挡比例下,该方法的装甲目标检测效果也通过实验进行了展示和分析。面对大面积前景遮挡的装甲目标非实时检测问题,两阶段检测方法有效解决了难以识别或识别准确率低的问题,降低了军事人员确认算法检测结果的难度。