【技术实现步骤摘要】
本专利技术属于目标检测，尤其涉及一种适用于无人机的多尺度-注意力导向目标检测方法。
技术介绍
1、随着人工智能和机器学习技术的迅速发展，无人机(uav)在军事侦察、地理测绘、灾害监测和农业监视等多个领域的应用变得日益广泛。目标检测是无人机系统的关键技术之一，其目的是在复杂的环境中准确识别和定位各种目标。然而，传统的目标检测方法往往要求较大的计算资源，这在资源受限的无人机平台上是不切实际的。此外，现有的目标检测算法通常面临着识别准确性与运算效率难以兼顾的问题。特别是在动态环境中，对实时性和计算负担的要求更是严峻。因此，如何设计一种轻量级而又高效的目标检测方法，以适应无人机对于实时性和计算资源的双重要求，成为了当前研究的热点和挑战。
2、目前最接近本专利技术的现有技术是采用深度学习模型，特别是基于卷积神经网络(cnn)的目标检测方法。这些方法能够在各种背景下实现高准确性的目标检测，但它们往往需要大量的计算资源，且运行速度不适合实时应用。尤其在无人机平台上，这种高资源需求限制了其应用范围。此外，现有的注意力机制虽然能够改善检测性能...
【技术保护点】
1.一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述第一卷积模块、所述第二卷积模块、所述第三卷积模块和所述第四卷积模块的卷积核均为3×3，步长均为1，且特征P1in、的尺寸递减，通道数递增。
3.根据权利要求2所述的一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述第一中间模块和所述第二中间模块均包括加权融合层、激活函数层和卷积层，特征和的表达式分别为：
4.根据权利要求3所述的一种适用于无人机的多...
【技术特征摘要】
1.一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述第一卷积模块、所述第二卷积模块、所述第三卷积模块和所述第四卷积模块的卷积核均为3×3，步长均为1，且特征p1in、的尺寸递减，通道数递增。
3.根据权利要求2所述的一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述第一中间模块和所述第二中间模块均包括加权融合层、激活函数层和卷积层，特征和的表达式分别为：
4.根据权利要求3所述的一种适用于无人机的多尺度-注意力导向目标检测方法，其特征在于，所述第一融合模块、所述第二融合模块、所述第三融合模块和第四融合模块均包括所述加权融合层、所述激活函数层和所述卷积层；特征p1out、的表达式分别为：
5.根据权利要求4所述的一种适用于无人机...
【专利技术属性】
技术研发人员：王洋洋，张杰，颜江，周健，李泽方，
申请(专利权)人：中国人民解放军军事科学院系统工程研究院，
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。