一种基于YOLOv5s的改进型无人机航拍图像密集和小目标识别方法、系统、设备及介质技术方案

一种基于YOLOv5s的改进型无人机航拍图像密集和小目标识别方法、系统、设备及介质，方法为：获取无人机航拍图像数据集并预处理，得到训练集、验证集和测试集；构建基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络；设置网络训练参数；使用训练集对基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络进行训练后输出训练权重文件；通过验证集对训练权重文件验证，选取最优权重文件，得到训练好的基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络；将测试集和最优权重文件输入训练好的基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络目标识别，得到目标识别结果；系统、设备及介质用于实现该方法；本发明专利技术具有目标识别精度高和算法鲁棒性高的优点。

【技术实现步骤摘要】

本专利技术属于目标识别，具体涉及一种基于yolov5s的改进型无人机航拍图像密集和小目标识别方法、系统、设备及介质。

技术介绍

1、目标检测作为图像处理与计算机视觉领域的关键问题，备受重视。随着无人机、卫星遥感、航空航天等技术的发展，航拍图像目标检测已成为研究热点。近年来，无人机相关技术蓬勃发展，无人机轻量快速便捷的优点使得无人机在灾害救援、电网巡检、军事情报采集、作物分析等领域得到广泛应用。

2、无人机航拍图像目标检测旨在定位和识别无人机航拍图像中感兴趣或相关任务需要的目标，该技术的进步将加强无人机的感知能力，也是无人机智能化的关键技术之一。卷积神经网络的飞速发展、以及计算机运算能力的大幅提升使得通用目标检测算法在检测性能上有了巨大的提升。同时深度学习的引入使得目标检测的性能大幅度提升，现阶段基于深度学习的目标检测算法主要分为单阶段(one-stage)和双阶段(two-stage)两类。双阶目标检测算法的代表是以区域卷积神经网(region-convolutional neural netw ork,r-cnn)对图像生成候选区域，提取图像本文档来自技高网...

【技术保护点】

1.一种基于YOLOv5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于YOLOv5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：所述步骤一的实现方法包括：

3.根据权利要求1所述的一种基于YOLOv5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：所述步骤二中基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络：包括输入网络Input、主干网络Backbone、颈部网络Neck和检测头Head；

4.根据权利要求1或3所述的一种基于YOLOv5s的改进型无人机航拍...

【技术特征摘要】

1.一种基于yolov5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于yolov5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：所述步骤一的实现方法包括：

3.根据权利要求1所述的一种基于yolov5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：所述步骤二中基于yolov5s的改进型无人机航拍图像密集和小目标识别网络：包括输入网络input、主干网络backbone、颈部网络neck和检测头head；

4.根据权利要求1或3所述的一种基于yolov5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：所述步骤二中构建基于yolov5s的改进型无人机航拍图像密集和小目标识别网络包括：

5.根据权利要求3所述的一种基于yolov5s的改进型无人机航拍图像密集和小目标识别方法，其特征在于：所述检测头head为四个不同尺度的小目标检测头，用于检测不同尺度大小的目标。

6.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：李晨阳，周绥平，余航，郭天翔，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：