System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 改进YOLOv8的无人机航拍目标检测方法技术_技高网

改进YOLOv8的无人机航拍目标检测方法技术

技术编号:40428502 阅读:5 留言:0更新日期:2024-02-20 22:49
本发明专利技术公开了一种改进YOLOv8的无人机航拍目标检测方法,涉及计算机视觉技术领域。所述方法包括如下步骤:对数据集进行数据增强和划分,并将增强后的图像分辨率调整为预设大小;构建无人机航拍目标检测用于改进的YOLOv8网络,在主干网络中通过引入部分空洞卷积构建多分支部分空洞卷积模块用以改进C2F中的Bottleneck块,增强特征提取网络感受野,提高模型检测性能,并减少参数量和计算量;最后综合检测精度和参数量指标来选取最佳模型,对测试集数据进行测试。所述方法能够提高无人机对小目标的检测性能,取得了较好的检测效果。

【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拍目标检测算法优劣的重要指标。刘婷婷等使用mobilenetv3替换yolov3的主干网络降低了模型参数量,但检测精度不足。yang等通过在yolov5模型上优化锚框尺寸、增加注意力机制、添加小目标检测层的方法提高检测精度,但网络的参数量增加。苏凯第等通过在yolov5模型上增加卷积层数加深算法深度,采用多次循环神经网络提高训练速度,但也导致由于参数量增加无法适配无人机等边缘设备的问题。张徐等使用余弦注意力机制和后正则化方法改进swin transformer重构yolov7主干网络,虽然小目标检测精度有所提升,但模型推理速度慢、参数量大。

4、由上述分析知,当前改进yolov8的无人机航拍目标检测方法仍存在实时性不足,小目标检测精度低的问题。


技术实现思路

1、本专利技术所要解决的技术问题是如何提供一种能够提高对小目标的检测性能的改进yolov8的无人机航拍目标检测方法。

2、为解决上述技术问题,本专利技术所采取的技术方案是:一种改进yolov8的无人机航拍目标检测方法,包括如下步骤:

3、s1:对数据集进行数据增强和划分,并将增强后的图像分辨率调整为预设大小;

4、s2:构建无人机航拍目标检测用于改进的yolov8网络,所述改进的yolov8网络通过在主干网络中引入部分空洞卷积构建多分支部分空洞卷积块dpc,来构建c2f中的bottleneck块形成新的dpc2f块,并在该块中加入ema注意力机制对通道进行调节且通过加入跳连路径实现特征聚合,数据集通过所述改进的yolov8网络的主干网络提取特征,得到三个尺度的特征图;

5、s3:将主干网络提取的网络特征进行处理,输出给颈部网络进行多尺度特征融合,并通过最小化总体损失函数,对目标检测网络进行训练,不断更新模型参数进行微调,得到训练模型;

6、s4:加载最佳轻量级多尺度模型参数,将待检测图像输入模型中得到检测结果,生成目标检测图像。

7、采用上述技术方案所产生的有益效果在于:本专利技术所述方法中改进的yolov8网络采用一种部分空洞卷积,由于同时兼顾部分卷积和空洞卷积的优势,能够降低网络参数量和加大模型感受野。在部分空洞卷积的基础上提出一种多分支部分空洞卷积模块,模块内部包含四个分支,每个分支分别对特征图进行特征提取,通过加入ema注意力机制对四个分支的特征图按照通道数进行优化,增大小目标特征,抑制无关特征,提高模型对小目标的检测性能。

本文档来自技高网...

【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,其特征在于,所述步骤S23中构建多分支部分空洞卷积模块DPC的方法包括如下步骤:

6.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S24中所述DPC2F的构建方法包括如下步骤:

7.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S3中网络训练包括如下步骤:

8.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S4中:

...

【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:

网友询问留言 已有0条评论
  • 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。

1