【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其涉及一种基于改进的yolov8网络的改进yolov8的无人机航拍目标检测方法。
技术介绍
1、随着无人机技术的发展使得无人机可以适应复杂和恶劣的环境，无人机目标检测已经广泛应用于交通安全、抢险救援和测绘航测等领域。
2、目前，基于深度学习的目标检测方法主要分为两种。第一种是两阶段式算法，其通过生成一系列的候选边界框再利用cnn提取特征，如fastr-cnn、r-cnn、r-fcn等。虽然双阶段算法能够提高检测精度，但由于生成大量候选区域所需时间开销大，实时性不足。而单阶段算法直接将目标边界定位问题转化为回归问题，仅需要一次便可以得到边界框的坐标和类概率值，因此单阶段算法在损失一部分检测精度的同时提升了检测速度。随着yolo系列算法的不断改进，更适合无人机航拍目标检测。但由于无人机航拍图像中的目标呈现尺度各异、小物体多、密度大导致小目标像素信息少，特征纹理模糊，直接将yolo系列的前沿版本应用于无人机航拍目标检测仍存在检测精度不高以及实时性不足的问题。
3、检测精度与参数量是衡量无人机航...
【技术保护点】
1.一种改进YOLOv8的无人机航拍目标检测方法，其特征在于包括如下步骤：
2.如权利要求1所述的改进YOLOv8的无人机航拍目标检测方法，其特征在于：所述步骤S1具体包括如下步骤：
3.如权利要求1所述的改进YOLOv8的无人机航拍目标检测方法，其特征在于，所述步骤S2中改进的YOLOv8网络通过如下方法进行构建：
4.如权利要求3所述的改进YOLOv8的无人机航拍目标检测方法，其特征在于，所述步骤S21中构建的部分空洞卷积处理图像的方法包括如下步骤：
5.如权利要求3所述的改进YOLOv8的无人机航拍目标检测方法，其...
【技术特征摘要】
1.一种改进yolov8的无人机航拍目标检测方法，其特征在于包括如下步骤：
2.如权利要求1所述的改进yolov8的无人机航拍目标检测方法，其特征在于：所述步骤s1具体包括如下步骤：
3.如权利要求1所述的改进yolov8的无人机航拍目标检测方法，其特征在于，所述步骤s2中改进的yolov8网络通过如下方法进行构建：
4.如权利要求3所述的改进yolov8的无人机航拍目标检测方法，其特征在于，所述步骤s21中构建的部分空洞卷积处理图像的方法包括如下步骤：
5.如...
【专利技术属性】
技术研发人员：赵志宏，郝子晔，赵世哲，俞阿丹，李万根，
申请(专利权)人：河北翔拓航空科技有限公司，
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。