【技术实现步骤摘要】
一种轻量级的无人机航拍图像目标检测方法
[0001]本专利技术涉及无人机图像处理的
,特别是一种轻量级的无人机航拍图像目标检测方法。
技术介绍
[0002]无人机凭借着强大的机动性,广泛应用于军事、农业、环境监测等领域。军用无人机可用于战场侦察和边境巡逻等场景。在农业方面,无人机可以精准、高效、环保地喷洒农药。在环境监测中,利用它们观察空气状况,采集周围区域的环境数据,也可以实时监测工厂的排污。计算机视觉技术为无人机的发展提供了技术支撑。目标检测是计算机视觉的基本任务,它能够识别无人机航拍图像中的所有目标以及目标的位置。近年来,基于卷积神经网络的深度学习成为了当前目标检测的主流方法。双阶段方法如R
‑
CNN系列,通常检测精度较高,但推理速度慢。SSD系列、YOLO系列等单阶段算法推理速度快但精度稍逊。虽然这些方法在自然场景图像上(MS COCO)取得了先进的性能。但在检测无人机航拍图像或视频中的物体时,却无法取得令人满意的检测结果。
[0003]无人机航拍场景中目标检测存在以下挑战:(1)与自然场景图像不同,由于无人机在低空拍摄图像的特性,导致图像包含很多密集的小目标。远处的目标非常小,同时密集场景会产生遮挡现象,使目标检测更加困难。(2)受硬件资源的限制,一般目标检测算法将高分辨率的无人机航拍图像缩小尺寸(如320
×
320或640
×
640)输入到模型中,这样做会导致小目标漏检。(3)无人机航拍图像目标检测需要满足实时性,因此需要对网络的参数和准 ...
【技术保护点】
【技术特征摘要】
1.一种轻量级的无人机航拍图像目标检测方法,包括获取原始的无人机航拍影像,其特征在于,还包括以下步骤:步骤1:将所述原始的无人机航拍图像输入到有效感受野网络ERFNet中,调整所述原始的无人机航拍图像的大小,生成调整无人机航拍图像;步骤2:将所述调整无人机航拍图像输入到步幅为2的有效感受野模块ERF module中进行下采样并进行特征提取;步骤3:重复所述步骤2的方法5次,输出{C3,C4,C5}三个尺度;步骤4:将所述{C3,C4,C5}三个尺度输入到有效感受野路径聚合网络ERF
‑
PAN进行特征融合,输出{P3,P4,P5}三个特征图;步骤5:将所述{P3,P4,P5}三个特征图输入到有效感受野检测头ERF
‑
Head进行检测,使用1
×
1卷积输出预测结果。2.如权利要求1所述的轻量级的无人机航拍图像目标检测方法,其特征在于:所述步骤1包括所述原始的无人机航拍图像的大小为640
×
640
×
3,经过一个聚焦Focus模块,生成大小为320
×
320
×
32的所述调整无人机航拍图像。3.如权利要求2所述的轻量级的无人机航拍图像目标检测方法,其特征在于:下采样后的所述调整无人机航拍图像的大小变为160
×
160
×
32。4.如权利要求3所述的轻量级的无人机航拍图像目标检测方法,其特征在于:所述步骤2还包括使用步幅为1的所述有效感受野模块ERF module进行特征提取,特征提取后的图像大小不变。5.如权利要求4所述的轻量级的无人机航拍图像目标检测方法,其特征在于:当所述有效感受野模块ERF module的步幅为1时,将输入的通道数均分成两部分,左分支用于残差连接防止梯度消失以及减少过拟合,右分支通过堆叠n个空洞卷积块D block来扩大网络感受野并且不会丢失局部细节。6.如权利要求5所述的轻量级的无人机航拍图像目标检测方法,其特征在于:当所述有效感受野模块ERF module的步幅为2时,左边的分支通过空洞卷积块D block学习特征,右边的分支通过maxpooling操作学习特征,将左右分支学习到的特征进行拼接,使用1
×
1的卷积恢复通道数。7.如权利要求6所述的轻量级的无人机航拍图像目标检测方法,其特征在于:所述{C3,C4,C5}三个尺度的大小分别为80
×
80
×
128、40
×
40
×
256和20<...
【专利技术属性】
技术研发人员:何宁,王鑫,张敬尊,徐光美,王金华,孙凤玺,韩文静,
申请(专利权)人:北京联合大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。