본 논문은 방위 및 감시 분야에서 열화상(TI) 영상을 이용한 자동 표적 탐지(ATD) 및 인식(ATR)의 어려움을 다룹니다. 제한된 데이터셋, 도메인 특유의 과제(제한된 하드웨어, 거리에 따른 크기 불변성 문제, 전술 차량에 의한 의도적인 가림, 낮은 센서 해상도로 인한 표적의 구조 정보 부족, 날씨, 온도, 시간 변화의 영향, 표적 대 클러터 비율의 변화 등), 높은 클래스 내 변동성 및 높은 클래스 간 유사성으로 인해 실시간 ATR은 어려운 컴퓨터 비전 과제입니다. 기존 최첨단(SOTA) 심층 학습 아키텍처는 ATR 분야에서 성능이 저조합니다. 본 논문에서는 수정된 YOLOv5s를 기반으로, 검출 헤드, 목 부분의 특징 융합 및 사용자 지정 증강 프로필을 최적으로 수정한 수정된 앵커 기반 단일 단계 검출기인 YOLOatr을 제안합니다. 포괄적인 DSIAC MWIR 데이터셋을 사용하여 상관 및 비상관 테스트 프로토콜에서 실시간 ATR에 대한 제안된 모델의 성능을 평가했습니다. 결과는 제안된 모델이 최대 99.6%의 최첨단 ATR 성능을 달성함을 보여줍니다.