一种提升小目标检测精度的轻量级目标检测方法技术

本发明专利技术公开了一种提升小目标检测精度的轻量级目标检测方法，将EfficientDet模型中BiFPN结构改进为BmFPN，代替YOLOv5原有的PANet作为特征网络实现特征融合，加强了对底层特征信息的提取，对各层特征图加入权重机制。在损失函数中引入CIoU代替原GIoU，其中的长宽比影响因子使得目标框回归变得更加稳定，尤其当IoU为零时，损失函数更倾向于向重叠区域增多的方向优化。本发明专利技术网络结构尺寸小、检测速度快、精度高，完全满足实时性场景的要求，有非常高的实用价值。有非常高的实用价值。有非常高的实用价值。

【技术实现步骤摘要】
一种提升小目标检测精度的轻量级目标检测方法


[0001]本专利技术涉及目标检测
，尤其涉及一种提升小目标检测精度的轻量级目标检测方法。

技术介绍

[0002]随着目标检测技术的迅猛发展，其应用遍布各行各业。遥感图像大多产生自飞机和卫星拍摄，其内可识别目标包括湖泊、森林、飞机、车辆、桥梁、建筑物等物体，其目标识别广泛的应用于农业产值测算、灾害监测、城市建设规划等领域。在军事战争中，各类目标的检测和定位可以将海量遥感数据快速转化为目标情报，有利于战场形势剖析、锁定攻击目标位置，进而可以制定精准且及时的军事行动。因此对于遥感图像中目标的实时检测对社会和经济发展具有重要的意义。在目标检测算法方面，YOLO作为one
‑
stage算法的代表因为其实时性再各领域得到了很大程度的应用。初代YOLO算法由Joseph Redmon等人在2016年提出，该检测方法将生成候选区域这一阶段舍去，把特征提取、分类和回归放在一个卷积网络内，直接使用网络最顶层的特征图评估类别概率。在速度和精度上可以达到较高的平衡的YOLOv5算法由Glenn等人在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升小目标检测精度的轻量级目标检测方法，其特征在于，用特征网络BmFPN代替YOLOv5结构中的PANet作为特征网络实现特征融合、形成改进后的YOLOv5结构，并基于该改进后的YOLOv5结构进行目标检测；所述特征网络BmFPN的输入层包含C3_in、C4_in、C5_in三层，中间层为C4
‑
mid，输出层包含C3_out、C4_out、C5_out三层，其中：C3_in、C4_in、C5_in的输入分别为YOLOv5模型主干网络的最后三次下采样特征图结果；C4
‑
...

【专利技术属性】
技术研发人员：马瀚融，谢良忱，孙瑜，薛雅丽，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：