【技术实现步骤摘要】
基于改进YOLOv5的目标检测方法、装置及电子设备
[0001]本专利技术涉及遥感图像目标检测
,尤其是涉及一种基于改进
YOLOv5
的目标检测方法
、
装置及电子设备
。
技术介绍
[0002]针对小目标检测是遥感图像目标检测中的一个重要问题,因为在遥感图像中,很多目标的尺寸都比较小,这对目标检测算法提出了更高的要求
。
目前采用的深度学习算法主要包括二阶段检测算法如
R
‑
CNN、Faster R
‑
CNN
以及单阶段检测算法
SSD、YOLO
等,这些算法直接使用在遥感图像的检测性能不佳,虽然也有针对小目标的算法改进,但也并未针对遥感及无人机图像中的目标的特征进行针对性的改进,导致即使使用目前的优化的算法,也并不能对遥感及无人机图像的目标检测性能有明显的提升
。
[0003]现有的遥感图像目标检测技术主要是针对普通小目标单纯增加一个检测层,来提高对小目标的检测能力,但由于小目标的特征很少同时目标框内的噪声比重较大,导致对小目标的检测并没有明显的提升
。
[0004]整体而言,现有的遥感图像的目标检测方法的精度偏低
。
技术实现思路
[0005]本专利技术的目的在于提供一种基于改进
YOLOv5
的目标检测方法
、
装置及电子设备,以缓解现有技术中遥感图像目标过小且目标框内的噪声比重较大的问题,从 ...
【技术保护点】
【技术特征摘要】
1.
一种基于改进
YOLOv5
的目标检测方法,其特征在于,包括:获取待检测遥感图像;将所述待检测遥感图像输入预先训练好的基于
YOLOv5
的目标检测模型中,输出所述待检测遥感图像的目标检测结果;所述基于
YOLOv5
的目标检测模型通过采用旋转目标框进行标注的
VEDAI
遥感数据进行训练得到;根据所述目标检测结果,确定所述待检测遥感图像中的目标物体
。2.
根据权利要求1所述的基于改进
YOLOv5
的目标检测方法,其特征在于,所述基于
YOLOv5
的目标检测模型基于下述步骤训练得到:获取初始
VEDAI
遥感图像数据;运用图像标注工具对所述初始
VEDAI
遥感图像数据中的目标物体采用旋转目标框进行标注,得到携带有标注信息的预处理图像;基于预设比例将所述预处理图像划分为训练集
、
验证集及测试集;将所述训练集输入采用
YOLOv5
网络搭建的初始目标检测模型进行训练,直到达到预设的训练结束标准,得到第一中间检测模型;将所述验证集输入所述第一中间检测模型进行验证,直到达到预设的验证结束标准,得到第二中间检测模型;将所述测试集输入所述第二中间检测模型进行验证,直到达到预设的测试结束标准,得到基于
YOLOv5
的目标检测模型
。3.
根据权利要求2所述的基于改进
YOLOv5
的目标检测方法,其特征在于,所述的初始目标检测模型通过下述步骤进行搭建:获取
YOLOv5
网络;在所述
YOLOv5
网络中增加预设尺寸的目标检测层,得到中间
YOLOv5
网络;在所述中间
YOLOv5
网络的函数存储文件增加预设的注意力检测代码,并在所述中间
YOLOv5
网络的函数调用文件的第二次下采样的第一调用指令后增加所述注意力检测代码的第二调用指令,得到基于注意力模块的
YOLOv5
网络;设置所述基于注意力模块的
YOLOv5
网络的配置信息,得到配置后的注意力模块的
YOLOv5
网络;根据所述配置后的注意力模块的
YOLOv5
网络,确定初始目标检测模型
。4.
根据权利要求3所述的基于改进
YOLOv5
的目标检测方法,其特征在于,所述注意力检测代码对应的池化方式为全局最大池化
...
【专利技术属性】
技术研发人员:于忠杰,宗孝鹏,韩晓明,蔡振,钟昊,
申请(专利权)人:佳讯飞鸿北京智能科技研究院有限公司,
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。