针对战场复杂背景下地面军事目标识别算法性能较低的问题，提出一种基于并行注意力机制的PAL-YOLO地面军事目标识别算法。该算法在自建地面军事目标数据集下，对目标的锚框进行重新聚类；在网络的Backbone中加入通道-空间并行注意力机制模块，提升目标特征提取能力；通过采用Alpha＿IoU对目标识别分类器的损失函数进行改进，加速模型收敛。结果表明，改进后的算法在保证模型空间复杂度的同时，mAP值提升了6.4%,FPS提升6%。
科研之友
微信
新浪微博
Facebook
分享链接
