전투부 파편 군집의 운동 파라미터는 탄약의 파괴력을 평가하는 데 중요한 의미를 갖는다. 작은 파편 크기, 복잡한 배경 정보 및 적은 파편 데이터 샘플로 인해 파편 검출 정확도가 낮은 문제를 해결하기 위해 본 논문에서는 YOLOv5-FD 전투부 파편 군집 목표 검출 방법을 제안한다. 우선, 네트워크 출력단에 미세 목표 검출 층을 추가하여 기존의 삼스케일에서 사스케일로 변경하고, 특징 융합 네트워크에 내용 인지 특징 재조합(Content Aware ReAssembly of Features, CARAFE) 업샘플링 모듈을 도입하여 기존 최근접 이웃 보간 업샘플링을 대체함으로써 작은 목표 특징 정보 손실을 줄이고 약한 작은 파편 추출 능력을 향상시킨다. 둘째, 특징 추출 네트워크에 좌표 주의 모듈(Coordinate Attention, CA)을 도입하여 파편 특징 추출을 강화하고 배경 정보를 약화시키며 복잡한 배경 간섭을 억제한다. 마지막으로 모델 학습 과정에서 모델 불가지론 메타 학습 방법(Model Agnostic Meta Learning, MAML)을 도입하여 소규모 파편 데이터셋만으로도 높은 검출 성능을 달성한다. 실험 결과, YOLOv5-FD 파편 검출 알고리즘은 자체 제작한 파편 데이터셋에서 정확도 90.5%, 재현율 85.4%, 평균 정밀도 mAP_0.5 88.2%를 달성하였으며, 기존 YOLOv5s 알고리즘에 비해 각각 7.1%, 7.9%, 7.5% 향상되어 파편 목표 검출 정확도를 효과적으로 높였다.

고속 파편;목표 검출;YOLOv5;특징 재조합;주의 메커니즘;메타 학습