복잡한 환경에서 적외선 영상 내 작은 목표 픽셀 비율이 낮고 특징 세부 정보가 명확하지 않아 목표 특징 추출이 어렵고 검출 정확도가 낮은 문제를 해결하기 위해, 주의 메커니즘 기반 복잡한 배경에서 적외선 작은 목표 검출 방법을 제안하였다. 이 방법은 YOLOv5 네트워크를 기반으로 SimAMC3 주의 메커니즘 모듈을 설계하여 네트워크의 특징 추출 층을 최적화하고, 특징 융합 층을 추가하여 특징 추출 시작 깊이를 변경하는 목표 검출 헤드를 설계해 새로운 작은 목표 검출 층을 얻음으로써 얕은 층 특징이 작은 목표의 공간 정보를 더 잘 보존하도록 하였다. 예측 박스 필터링 방식을 개선하여 거리상 가까이 있거나 겹치는 목표의 검출 정확도를 향상시켰다. 실험에서는 두 개의 SIRST 적외선 작은 목표 영상 데이터셋을 선택하여 주석을 달고 학습하였다. 실험 결과 개선된 알고리즘은 기존 YOLOv5 알고리즘과 비교하여 평균 정밀도(mAP)가 각각 4.8% 및 7.1% 향상되었으며, 다양한 복잡한 배경에서도 적외선 작은 목표를 효과적으로 검출하여 우수한 견고성과 적응성을 보였고, 복잡한 배경의 적외선 작은 목표 검출에 효과적으로 적용할 수 있음을 확인하였다.

딥 러닝; 적외선 작은 목표; 목표 검출; 주의 메커니즘