複雑なシーンにおける赤外画像の小さなターゲットのピクセル割合が少なく、特徴の詳細が不明瞭でターゲット特徴の抽出が困難で検出精度が低い問題に対して、注意機構に基づく複雑な背景下での赤外小型ターゲット検出方法を提案した。本手法はYOLOv5ネットワークを基盤とし、SimAMC3注意機構モジュールを設計してネットワークの特徴抽出層を最適化した。特徴融合層を増設し、特徴抽出開始の深さを変更する検出ヘッドを設計し、新たな小型ターゲット検出層を獲得することで浅層特徴層が小型ターゲットの空間情報をより良く保持できるようにした。予測ボックスの選別方法を改良し、距離が近いまたは重なったターゲットの検出精度を向上させた。実験では2つのSIRST赤外小型ターゲット画像データセットを選定し、アノテーションと学習を行った。実験結果から、改良後のアルゴリズムは元のYOLOv5アルゴリズムに比べて平均適合率（mAP）がそれぞれ4.8％および7.1％向上し、異なる複雑背景下でも赤外小型ターゲットを効果的に検出できることを示し、優れたロバスト性と適応性を有し、複雑背景下の赤外小型ターゲット検出に効果的に適用可能であることが確認された。

深層学習;赤外小型ターゲット;ターゲット検出;注意機構