一种无人机视角物体检测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种无人机视角物体检测方法、装置及存储介质，其中方法包括以下步骤：获取由无人机拍摄的图像，制作航拍目标数据集；将数据集放入预处理容器进行预处理操作，实现数据增强；使用改进CSPDarknet53为骨干网络对数据集进行特征提取，骨干网络的最后一层为Soft

【技术实现步骤摘要】
一种无人机视角物体检测方法、装置及存储介质


[0001]本专利技术涉及目标检测
，尤其是涉及一种基于自注意力和yolov5的无人机视角物体检测方法、装置及存储介质。

技术介绍

[0002]近年来，无人机行业发展迅速，无人机具有广阔的视野和灵活的飞行方式，不受大多数环境的限制，可以对人类难以到达的地方进行大范围、长时间的观测。因此，无人机航拍技术无疑已经成为智能交通、智能安防、环保等重要组成部分。与此同时，计算机视觉随着深度学习的发展取得了巨大进步，越来越多的研究者将基于深度学习的计算机视觉技术与无人机航拍技术相结合，着力于提升对航拍图像的检测性能，这是成为未来城市智慧交通体系中不可或缺的一环。
[0003]目前，目标检测算法主要分为两类：基于区域提议的两阶段方法和基于回归思想的单阶段方法。其中，两阶段检测方法的代表算法是R
‑
CNN系列，该算法可以实现高精度的检测，但计算量较大，无法实时应用。而单阶段检测方法则包括YOLO系列、SSD算法等，它们能够一次性完成定位和分类任务，实现端到端的检测，因此具有实时检测的能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自注意力和yolov5的无人机视角物体检测方法，其特征在于，包括以下步骤：S1：获取由无人机拍摄的图像，制作航拍目标数据集；S2：将数据集放入预处理容器进行预处理操作，实现数据增强；S3：使用改进CSPDarknet53为骨干网络对数据集进行特征提取，所述骨干网络的最后一层为Soft
‑
SPPF结构；S4：根据骨干网络的特征提取结果，利用引入PVTM模块的路径聚合网络PANet，对多层次特征信息进行融合，其中，所述PVTM模块包括依次连接的层归一化结构、空间缩减注意力操作SRA模块和MLP结构；S5：根据融合信息对多尺度的物体进行检测，得到航拍目标的检测结果。2.根据权利要求1所述的一种基于自注意力和yolov5的无人机视角物体检测方法，其特征在于，所述预处理容器对数据集进行Mosaic、Cutout和Copy
‑
Paste操作。3.根据权利要求1所述的一种基于自注意力和yolov5的无人机视角物体检测方法，其特征在于，所述Soft
‑
SPPF结构通过在原CSPDarknet53网络的SPPF结构上引入软池化SoftPool替换最大池化操作得到。4.根据权利要求3所述的一种基于自注意力和yolov5的无人机视角物体检测方法，其特征在于，所述Soft
‑
SPPF结构对输入特征执行以下操作：S301：输入特征分别经过卷积、BatchNorm归一化和SiLU激活函数，得到特征映射P1，再依次串联三个SoftPool软池化操作，分别获得相应的特征映射P2、P3和P4；S302：对特征映射P2、P3、P4与未进行软池化操作的特征映射P1进行Concat融合操作，得到特征映射F1；S303：对特征映射F1依次进行卷积、BatchNorm归一化和SiLU激活函数，完成精细下采样。5.根据权利要求1所述的一种基于自注意力和yolov5的无人机视角物体检测方法，其特征在于，所述S4具体为：在路径聚合网络PANet结构中引入PVTM模块用于特征信息融合，将PANet结构中的部分C3模块替换成PVTM模块，结合Tran...

【专利技术属性】
技术研发人员：陈丽，张卫东，陈树康，郭东生，谢威，陈宏田，吴迪，史开松，于睿华，仓乃梦，
申请(专利权)人：海南大学，
类型：发明
国别省市：