一种基于改进的YOLOv5目标检测方法技术

本发明专利技术公开了一种基于改进的YOLOv5目标检测算法。针对YOLOv5目标检测算法在无人机场景下存在的目标像素面积小、目标的尺度变化剧烈以及背景元素复杂的问题，利用同层跳跃连接以及加权融合的策略对原有的特征金字塔模块进行优化，解决了无人机场景下目标尺度变化剧烈的问题，并针对背景环境复杂的问题引入了注意力机制，使得模型可以快速地找到感兴趣的区域，通过切片检测框架兼顾了不同尺寸目标的检测精度。基于改进后的YOLOv5目标检测算法在无人机场景下能够取得更好的检测效果。人机场景下能够取得更好的检测效果。人机场景下能够取得更好的检测效果。

【技术实现步骤摘要】
一种基于改进的YOLOv5目标检测方法


[0001]本专利技术涉及深度学习中的目标检测领域，针对无人机拍摄场景下的目标检测技术。

技术介绍

[0002]近年来，随着科技的发展，配备高清摄像头的无人机受到了广泛的关注。无人机场景下拍摄的数据集也得到了极大的补充。因此，越来越多的学者将视觉任务的关注点从对传统公开数据集下自然条件拍摄的目标检测转为对无人机拍摄条件下的目标检测，在无人机拍摄场景下进行目标检测任务也逐渐成为主流的领域应用。传统的目标检测算法在绝大多数情况下往往可以表现出较好的性能，但是针对于无人机捕获场景中的目标检测任务，由于无人机飞行高度的限制，目标在图像中往往只占很少的像素，并且存在目标尺度变化剧烈以及背景元素复杂的问题，这给目标检测算法带来了巨大的挑战。

技术实现思路

[0003]为了解决无人机场景下目标检测的问题，本专利技术提出了一种基于注意力机制的游走切片检测算法。该算法采用了深度学习中的通用目标检测框架YOLOv5，并针对无人机场景下存在的问题对YOLOv5进行了进一步的改进。首先，在网络的检测颈部分设计了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的YOLOv5目标检测方法，其特征在于，包括以下步骤：步骤1：图像在送入检测网络之前会经过一个切片模块对图像进行预处理，然后将预处理后的图像集并行地送入到检测网络中；步骤2：对送入网络中的图像进行处理，经过骨干网络进行特征提取，并通过增强的特征金字塔网络进行特征融合；步骤3：在检测头输出检测结果之前引入注意力机制，并通过注意力图的权重信息和输出的检测结果为下一帧图像的切片模块处理提供区域建议信息。2.如权利要求1...

【专利技术属性】
技术研发人员：贾海涛，王子彦，任利，胡佳丽，田浩琨，康益铭，钱孝伟，江雪婷，
申请(专利权)人：成都云擎科技有限公司，
类型：发明
国别省市：