| 摘要:由于不同传感器对目标特征的敏感度差异较小，特别是在复杂背景中，目标具有强大的尺度不变性，特征差异微小，导致多传感器采集的目标后期识别难度大。提出基于改进YOLOv5的多传感器关键点对特征目标识别算法。利用多传感器采集的不同视角目标图像关键点进行对齐，增强对目标特征的敏感度。在YOLOv5的Backbone中，通过切片和Concat操作融合多传感器特征数据，并进行归一化处理以统一数值范围。在特征金字塔网络（Feature Pyramid Networks，FPN）基础上引入C3STR结构，结合跨阶段局部网络（Cross Stage Partial Network，CSP）和Transformer多头注意力机制，提升对小差异特征的敏感度，完成识别优化。实验结果显示，改进后的YOLOv5模型在图像融合后信息熵值高达64bit，识别精度显著提升，效果良好。 |
| 关键词: 改进YOLOv5算法 多传感器 目标识别 特征融合 关键点提取 |
|
|
|
|
| Abstract: |
| Key words: |