一种基于深度学习的无人机航拍影像车辆检测的方法技术

本发明专利技术提出了一种基于深度学习的无人机航拍影像车辆检测的方法。本发明专利技术通过在YOLOX‑S中增加了一层检测层，检测4倍下采样的特征图，提高模型对小的车辆目标的检测能力；然后，在网络的backbone中的每个CSP结构之后加入了一个注意力机制模块，它能够提高各个特征在通道和空间上的联系，使模型更加关注目标的特征。同时使用VAID数据集训练和验证本发明专利技术，使用数据集中的训练集训练改进的YOLOX‑S网络模型，得到最优参数；将数据集中的测试集输入改进后的YOLOX‑S网络模型，完成车辆的检测。本发明专利技术相较于其他基于深度学习的无人机航拍影像车辆检测算法，顾及了无人机航拍影像的特性，具有检测精度高、泛化性能较好等特点。

【技术实现步骤摘要】

本专利技术涉及车辆检测领域，具体涉及一种基于深度学习的无人机航拍影像车辆检测方法。

技术介绍

1、随着经济的发展以及城市化进程的加快，我国的汽车保有量逐年增加。但是这也造成了许多的问题，比如发生交通拥堵和交通事故的频率也大大增加。因此交管部门需要及时的了解相关的交通信息，并进行相应的处理。为了更好的解决这些问题，各个城市开始建设智慧交通系统，其中最关键的组成部分就是车辆检测系统。

2、目前，使用最为广泛的车辆检测系统就是通过道路上的固定摄像头来获取相关的交通信息，但是这种方法有着许多的限制，比如不能提供准确的道路信息、不能进行对车辆进行定位与跟踪以及部署之后位置不能移动等。由于无人机具有部署快速灵活以及能够获取更多的地面信息，相比于现有的检测系统有着巨大的优势，因此在智能交通系统的应用中越来越广泛。

技术实现思路

1、本专利技术的目的在于提出一种基于深度学习的无人机航拍影像车辆检测方法。

2、实现本专利技术目的的技术解决方案为：一种基于深度学习的无人机航拍影像车辆检测方法，步骤如下：<本文档来自技高网...

【技术保护点】

1.一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤如下：

2.根据权利要求1所述的一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤1，获取VAID数据集，VAID数据集是一个以无人机为视角的车辆检测数据集，总共有5986张图片，每张图片的大小为1137×640。

3.根据权利要求1所述的一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤2，在YOLOX-S的backbone中增加通道与空间注意力模块，并且针对小目标增加一层检测层，据此构建改进的YOLOX-S网络模型用于预测车辆信息，具体方法为：</p>

4.根据...

【技术特征摘要】

1.一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤如下：

2.根据权利要求1所述的一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤1，获取vaid数据集，vaid数据集是一个以无人机为视角的车辆检测数据集，总共有5986张图片，每张图片的大小为1137×640。

3.根据权利要求1所述的一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤2，在yolox-s的backbone中增加通道与空间注意力模块，并且针对小目标增加一层检测层，据此构建改进的yolox-s网络模型用于预测车辆信息，具体方法为：

4.根据权利要求1所述的一种基于深度学习的无人机航拍影像车辆检测的方法，其特征在于，步骤3，从头开始训练改进的yolox-s网络模型，得到最优参数，具体方法为：

5.根据权利要求...

【专利技术属性】
技术研发人员：任侃，钟凯豪，顾国华，陈钱，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：