计算机辅助设计与图形学学报

作者：李刚, 叶学义, 蒋甜甜, 李文杰, 应娜

关键词：主动毫米波图像, 瓶颈型Transformer, 小目标检测, 多视角加权框融合

主动毫米波(active millimeter wave, AMMW)图像具有噪声多、易含伪影、小目标多等特点, 一直是隐匿目标检测的挑战. 为此, 提出了一种基于BoT-YOLOX的毫米波图像目标检测方法. 首先, 在模型主干网络中引入瓶颈型Transformer (bottleneck Transformer, BoT), 加强模型的特征提取能力;然后, 调整多尺度目标检测层, 并集成全局注意力机制来提高对小目标的检测能力;最后, 提出一种多视角加权框融合的后处理方法, 用于集成不同视角检测结果, 以提高模型的鲁棒性. 在自行采集的包括54 000幅图像的AMMW数据集上, 与基准模型(YOLOX)相比, 该模型达到了93.22%的检出率和4.46%的误检率, AP提升了6.74个百分点;在公开AMMW数据集上, 与主流方法相比, mAP提升了4.07个百分点. 实验结果表明, 所提方法对AMMW图像场景的目标, 小目标检测准确度更加出色.

来源：2025年第3期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第3期