【技术实现步骤摘要】
本专利技术涉及目标检测的一种无人机小目标检测方法，具体是涉及了一种基于改进yolov5的无人机小目标检测方法。
技术介绍
1、随着无人机技术的发展和成熟，各种民用无人机开始进入大众视野，无人机在各个方面得到了广泛的应用。虽然它给我们带来了很多便利，但也带来了很多隐患。因此，对无人机小目标进行检测是非常有必要的。目前，大多数无人机探测技术都是基于雷达和光电技术。与这些方法相比，视觉检测的成本较低。尤其是随着深度学习算法的引入，视觉无人机小目标检测是最经济、快速、准确的检测方法之一。目前主流的检测网络分为单阶段检测算法和两阶段检测算法。相对而言，两阶段算法的检测准确度较高，但是，实时性欠佳，相比之下，单阶段算法更加关注检测效率与检测准确度的均衡，在目标检测领域被应用的更加广泛，其中，yolo系列的研究最为活跃，yolov5目标检测模型是当今最著名的目标识别方法之一，很好地平衡了速度和准确性。尽管yolov5算法在检测速度和精度方面表现优秀，但是在处理复杂背景下的无人机小目标检测方面还存在一些挑战，对无人机小目标检测存在较多的误检和漏检，对数...
【技术保护点】
1.一种基于改进YOLOv5的无人机小目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进YOLOv5的无人机小目标检测方法，其特征在于，所述S1具体为：
3.根据权利要求2所述的一种基于改进YOLOv5的无人机小目标检测方法，其特征在于，所述在YOLOv5网络的骨干网络Backbone中引入注意力机制模块CBAM，获得改进的骨干网络Backbone，具体为：
4.根据权利要求2所述的一种基于改进YOLOv5的无人机小目标检测方法，其特征在于，所述改进后的颈部网络Neck具体包括多个卷积层、多个上采样层和多...
【技术特征摘要】
1.一种基于改进yolov5的无人机小目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进yolov5的无人机小目标检测方法，其特征在于，所述s1具体为：
3.根据权利要求2所述的一种基于改进yolov5的无人机小目标检测方法，其特征在于，所述在yolov5网络的骨干网络backbone中引入注意力机制模块cbam，获得改进的骨干网络backbone，具体为：
4.根据权利要求2所述的一种基于改进yolov5的无人机小目标检测方法，其特征在于，所述改进后的颈部网络neck具体包括多个卷积层、多个上采样层和多个c3模块，骨干网络backbone的sppf模块与改进后的颈部网络neck的第一卷积层相连，第一卷积层与第一上采样层相连，骨干网络backbone的第三c3模块的输出与第一上采样层的输出级联后再输入到改进后的颈部网络neck的第一c3模块中，改进后的颈部网络neck的第一c3模块与第二卷积层相连，第二卷积层与第二上采样层相连，骨干网络backbone的第二c3模块的输出与第二上采样层的输出级联后再输入到改进后的颈部网络neck的第二c3模块中，改进后的颈部网络neck的第二c3模块与第三卷积层相连，第三卷积层与第三上采样层相连，骨干网络backbone的第一c3模块的输出与第三上采样层的输出级联后输入到改进后的颈部网络neck的第三c3模块中，改进后的颈部网络neck的第三c3模块与第四预...
【专利技术属性】
技术研发人员：邱潇，陈嘉豪，陆毓晟，郑恩辉，
申请(专利权)人：中国计量大学，
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。