【技術實現步驟摘要】
本專利技術屬于圖像檢測領域，更具體的說涉及一種基于改進yolov8的無人機航拍小目標檢測方法。
技術介紹
1、目前，無人機在農業、森林環保、電力巡檢等領域的應用廣泛。特別是在災害救援、監控偵查等方面，無人機只需要搭載相應的設備，就可以獲得大面積的實時信息。然而，普通的圖像識別技術，如objectdetection，主要是針對大目標物體的識別，而對小目標的檢測性能還有待提高。
2、在無人機使用中，尤其是在開闊地區和大面積作業中，檢測目標通常比較小，傳統的目標檢測方法在對小目標進行識別時，往往會產生較高的誤檢率和漏檢率。目前，幾種目前較為主流的小目標檢測技術，如yolo系列、fasterr-cnn系列和ssd等，雖然在大目標檢測上取得了良好的效果，但在小目標檢測的性能上仍存在明顯不足。
技術實現思路
1、本專利技術提出了一種基于改進的yolov8的無人機航拍小目標檢測方法，通過行之有效的結構改進和增強，有效的解決了小目標檢測的問題。在yolov8上引入新的聚集分發機制和動態頭部等技術，可以使模型在面對小目標時，也能實現準確的檢測，顯著提升了無人機的小目標檢測能力。
2、為了實現上述目的，本專利技術是采用以下技術方案實現的：所述的方法包括：
3、數據準備，收集無人機航拍的小目標圖像數據，對圖像數據進行標注，構建訓練集、驗證集和測試集；
4、模型搭建，搭建基于改進的yolov8的無人機航拍小目標檢測模型；
5、模型訓練，將訓練集數
6、模型測試，將驗證集測試數據輸入模型，實現小目標的檢測，分析模型的檢測結果，評價模型的檢測效果。
7、在一個方案中，所述的數據準備包括：所述的改進的yolov8的無人機航拍小目標檢測模型改進如下：
8、(1)使用了一種新的聚集和分發機制gd，通過全局融合多層次特征并將全局信息注入到更高層次，實現了yolov8中的高效信息交換；
9、(2)將yolov8頭部替換為dynamic?head檢測頭，通過結合尺度、空間和任務三種注意力函數，使模型的性能效果提升。
10、在一個方案中，所述的聚集和分發機制gd采用特征對齊模塊fam和信息融合模塊ifm對不同層級的特征進行聚合；
11、并通過信息注入模塊inject將融合后的信息分發回網絡的各個層級；
12、信息注入模塊inject通過卷積和sigmoid激活函數操作結合本地特征和全局特征旨在用全局上下文信息增強特征圖。
13、在一個方案中，所述的dynamic?head檢測頭在檢測層上給定三維特征張量f∈rl×s×c該注意力計算公式如下所示：
14、v(f)＝pc(ps(pl(f)×f)×f)×f
15、其中，f代表一個輸入的三維張量l×s×c，πl(.)πs(.)和πc(.)分別為尺度感知注意力模塊、空間感知注意力模塊與任務感知注意力模塊，并分別只作用到三維張量f的l、s和c維度上。
16、在一個方案中，所述的yolov8還包括輕量級鄰層融合laf模塊，使用平均池化和雙線性上/下采樣操作來對齊和合并特征圖。
17、在一個方案中，所述的yolov8包括骨干網絡backbone、頸部neck和檢測頭head；
18、所述的骨干網絡負責特征提取，基于darknet-53架構，引入新的c2f模塊來進行殘差學習。
19、在一個方案中，所述的頸部用于特征融合，采用c2f模塊替換了c3模塊，并利用pan-fpn策略實現從上到下和從下到上的特征金字塔構建。
20、本專利技術有益效果：
21、1、本專利技術在yolov8算法的基礎上，使用了一種新的聚集和分發機制(gd)，通過全局融合多層次特征并將全局信息注入到更高層次，實現了yolov8中的高效信息交換。這顯著增強了頸部的信息融合能力，而不會顯著增加延遲，從而提高了模型在不同物體尺寸下的性能。
22、2、將yolov8頭部替換為dynamic?head檢測頭，通過結合尺度、空間和任務三種注意力函數，使得模型在上述改進下的性能效果進一步提升。
本文檔來自技高網...【技術保護點】
1.一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的方法包括：
2.根據權利要求1所述的一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的數據準備包括：所述的改進的YOLOv8的無人機航拍小目標檢測模型改進如下：
3.根據權利要求2所述的一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的聚集和分發機制GD采用特征對齊模塊FAM和信息融合模塊IFM對不同層級的特征進行聚合；
4.根據權利要求2所述的一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的Dynamic?Head檢測頭在檢測層上給定三維特征張量F∈RL×S×C該注意力計算公式如下所示：
5.根據權利要求3所述的一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的YOLOv8還包括輕量級鄰層融合LAF模塊，使用平均池化和雙線性上/下采樣操作來對齊和合并特征圖。
6.根據權利要求1所述的一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的YOLOv8包
7.根據權利要求1所述的一種基于改進YOLOv8的無人機航拍小目標檢測方法，其特征在于：所述的頸部用于特征融合，采用C2f模塊替換了C3模塊，并利用PAN-FPN策略實現從上到下和從下到上的特征金字塔構建。
...【技術特征摘要】
1.一種基于改進yolov8的無人機航拍小目標檢測方法，其特征在于：所述的方法包括：
2.根據權利要求1所述的一種基于改進yolov8的無人機航拍小目標檢測方法，其特征在于：所述的數據準備包括：所述的改進的yolov8的無人機航拍小目標檢測模型改進如下：
3.根據權利要求2所述的一種基于改進yolov8的無人機航拍小目標檢測方法，其特征在于：所述的聚集和分發機制gd采用特征對齊模塊fam和信息融合模塊ifm對不同層級的特征進行聚合；
4.根據權利要求2所述的一種基于改進yolov8的無人機航拍小目標檢測方法，其特征在于：所述的dynamic?head檢測頭在檢測層上給定三維特征張量f∈rl×s...
【專利技術屬性】
技術研發人員：劉明華，李文靜，邵洪波，渠連恩，范曉雨，劉鴻榮，
申請(專利權)人：青島科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。