基于交叉注意力的 CA-YOLO：生物仿生定位
计算机视觉与模式识别
2026-02-10 v1
摘要
在复杂环境中，实现准确且高效的目标定位对于诸多领域至关重要。然而，现有系统常面临准确性和小目标识别能力的局限。本研究提出一种基于 CA-YOLO 的仿生稳定定位系统，旨在提升目标定位精度和小目标识别能力。作为系统“大脑”，目标检测算法通过将仿生模块集成到 YOLO 主干网络中，模拟动物视觉聚焦机制。这些模块包括引入小目标检测头和开发特征融合注意力机制 (CFAM)。此外，drawing inspiration from 人类前庭-眼球运动反射 (VOR)，开发了一种仿生平移-俯仰跟踪控制策略，包含中心定位、稳定性优化、适应性控制系数调整及智能捕获功能。实验结果表明，CA-YOLO 在标准数据集 (COCO 和 VisDrone) 上的性能优于原始模型，平均准确率分别提升 3.94% 和 4.90%。进一步的时间敏感目标定位实验验证了该仿生稳定定位系统的有效性和实用性。
引用
@article{arxiv.2602.07523,
title = {CA-YOLO: Cross Attention Empowered YOLO for Biomimetic Localization},
author = {Zhen Zhang and Qing Zhao and Xiuhe Li and Cheng Wang and Guoqiang Zhu and Yu Zhang and Yining Huo and Hongyi Yu and Yi Zhang},
journal= {arXiv preprint arXiv:2602.07523},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication.Please note that once the article has been published by IEEE, preprints on locations not specified above should be removed if possible