关键词：计算机应用；目标识别；轻量级网络；MobileNetV3；自适应选择性卷积中图分类号：TP391.41 文献标志码：A DOI：10.3969/j.issn. 1673-3819.2025.05.006

Abstract：High-valuetarget recognitionusuallrequires high timelinessandaccuracy，andthelarge numberof parameters of traditionaldepconvolutionalneuralnetworksleads toalargenumberofapplicationscenariosbeing limited.Ahigh-value targetrecognitionmethodbasedon SKCony-MobileNetV3isproposed，byfusingtherecognitionresultsof SKConvconvolutionalkernelwiththeweightedoutputfeaturemapsofMobileNetV3convolutionallayer，andusingtheatentionmechanismto selectthemostrelevantimagecontentforfeature extraction，wecanimprovethefeatureinformation extractioncapabilityof theSKCon-MobileNetV3model whileimproving learning eficiency，under theconditionthatthenumberof parametersremainsunchanged，MobileNetV3model’sabilitytoextractfeatureinformation，whileimprovingthelearningeficiencyand recognitionaccuracy.Through theabovealgorithmimprovementandoptimization，sevenhigh-valuetargets withstrongcorrelation are selected in the NWPU-RESISC45 datasetand tested，and the resultsshow that the accuracy is improved by 7.01% （204号 compared withMobileNetV2 and 4，08% compared withMobileNetV3，which isable to better improve the recognitionaccuracy of high-value target recognition accuracy.

Keywords：computerapplication；targetidentification；lightweightnetwork；MobileNetV3；selectivekernelconvolution

信息化战争条件下，卫星、雷达、无人机侦察平台、精确制导弹药等的应用，使得战场环境日益复杂多变，作战形势发生深刻变化。如何利用光学成像或其他成像设备捕捉图像，并从中解读、处理和提取预期目标的类型、方位、速度等信息，并充分利用这些相关信息进行指挥决策和精确打击日益成为军事斗争的关键性问题。针对这一问题，已有学者进行了相关研究。

在非军事目标识别中，Jia等[1]受EfficientNet思想的启发，使用缩放系数对MobileNetV3网络结构作为一个整体在宽度和高度方面进行缩放。Zhang等[2]采用多尺度信息融合（MSIF）-MobileNetV3，来分析鱼类的摄食行为，用MSIF替代挤压-激发（SE）模块，利用空间信息集成和多尺度特征融合提高模型对摄食图像中鱼群行为的关注权重。Shahi等[3]利用预先训练的Mo-bileNetV2模型和注意模块提出了一个轻量级深度学习模型。

在军事高价值目标识别中，张焕[4]基于卷积神经网络提出了改进激活函数的组合卷积模块，并与VGG-Net（标准卷积）、GoogleNet（Inception模块）、Mobilenet（深度可分离卷积）、 ResNet （残差模块）进行了对比，证明了改进方法的有效性。吴迪[5对红外弱小目标识别问题开展基于多模态特征的红外弱小目标智能化识别技术研究，用于解决全时段、远距离目标精确识别的问题，为武器系统提供准确目标识别情报，为解决高价值目标识别中小样本和数据集不足的问题提出了一种

思路。

传统的基于计算机视觉的方法首先提取低层特征，然后使用机器学习方法进行图像分类；……