【技术实现步骤摘要】
本申请属于目标检测领域，特别涉及一种基于yolov7神经网络的无人机航拍小目标检测方法。
技术介绍
1、无人机航拍小目标检测任务涉及许多应用场景，如农业监测、城市规划、交通监控、勘探以及搜救救援等。目前，无人机航拍小目标检测任务大都存在小目标分类和定位准确率低的问题，而限制无人机航拍图片中小目标分类和定位准确率的主要因素有：
2、（1）无人机航拍图片中通常包含较多的小目标，这些小目标在图片中所占像素区域较小，甚至仅有几十或者几百个像素大小；
3、（2）无人机航拍图片中的目标通常是多尺度的，这主要是由于无人机航拍时拍摄视角和拍摄距离等因素造成的。
4、为此，本申请提出了一种分类和定位准确率更高的基于yolov7神经网络的无人机航拍小目标检测方法。
技术实现思路
1、为了弥补现有技术的不足，本申请提供了一种基于yolov7神经网络的无人机航拍小目标检测方法。
2、本申请的技术方案为：
3、一种基于yolov7神经网络的无人机航拍小目标检测方法，包括如下步骤：
4、一种基于yolov7神经网络的无人机航拍小目标检测方法，包括以下步骤：
5、s1：对原始数据集中的数据进行增强，获取目标数据集，并将目标数据集按照batch大小进行分割，获取目标子数据集；
6、s2：构建yolov7神经网络；所述yolov7神经网络包括input层、主干网络、颈部网络和检测头；
7、input层用于将图
8、s3：利用目标子数据集训练yolov7神经网络，得到yolov7神经网络模型；
9、s4：利用步骤s3得到的yolov7神经网络模型加载无人机航拍图片，并前向传播一次，即可得目标的位置信息、语义信息和边框信息，并输出评价指标f1、map@.5、map@.5:.95以及帧率的结果。
10、优选地，步骤s1的具体步骤为：
11、s1-1、加载原始数据集；
12、s1-2、对加载的原始数据集中的数据进行增强，获取目标数据集；
13、s1-3、将目标数据集按照batch大小进行分割，得到多个目标子数据集。
14、优选地，步骤s1-2的具体步骤为：对create_dataloader函数加载的原始数据集中的图片进行数据增强处理，得到数据增强后的图片；其中，数据增强处理包括依次进行的色调增强hsv_h、饱和度增强hsv_s、亮度增强hsv_v、平移、缩放、翻转、马赛克增强（mosaic）、mixup增强、复制粘贴，上述数据增强操作的预设参数分别为0.015、0.7、0.4、0.1、0.5、0.5、1.0、0.05、0.05；经过数据增强处理后，即可得到数据增强后的图片和标签，这些数据增强后的图片和标签构成了目标数据集。
15、优选地，步骤s1-3的具体步骤为：在create_dataloader函数中利用torch.utils.data.dataloader函数将目标数据集按batch大小进行分割得到多个目标子数据集。
16、优选地，步骤s2中，主干网络包括依次连接的第一个卷积模块、第二个卷积模块、第一个sf-elan模块、第一个mp模块、第二个sf-elan模块、第二个mp模块、第三个sf-elan模块、第三个mp模块和第四个sf-elan模块；其中，第一个卷积模块和第二个卷积模块结构相同，第一个sf-elan模块至第四个sf-elan模块的结构相同，第一个mp模块至第三个mp模块的结构相同。
17、优选地，步骤s2中，第一个sf-elan模块的结构包括第一个卷积块ⅱ和第七个卷积块ⅱ，第一个卷积块ⅱ连接split模块，split模块分别连接第二个卷积块ⅱ和第五个卷积块ⅱ，第二个卷积块ⅱ依次连接第一个add层、第三个卷积块ⅱ、第二个add层和第四个卷积块ⅱ，第五个卷积块ⅱ还分别连接第一个add层、第二个add层和第六个卷积块ⅱ，第四个卷积块ⅱ和第六个卷积块ⅱ均与第一个concat层ⅱ连接；第一个concat层ⅱ依次连接simam模块和第八个卷积块ⅱ，第一个concat层ⅱ、第八个卷积块ⅱ、第七个卷积块ⅱ以及第一个卷积块ⅱ均与第二个concat层ⅱ连接；其中，第一个卷积块ⅱ至第八个卷积块ⅱ的结构相同，第一个add层和第二个add层结构相同，第一个concat层ⅱ和第二个concat层ⅱ结构相同。
18、优选地，步骤s2中，颈部网络包括与第三个sf-elan模块相连接的第一个卷积块ⅰ、与第二个sf-elan模块相连接的第二个卷积块ⅰ以及与第一个sf-elan模块相连接的第三个卷积块ⅰ；还包括依次设置的sppcspc模块、第三个卷积模块、第一个upsample层、第一个concat层ⅰ、第一个ms-csp模块、第四个卷积模块、第二个upsample层、第二个concat层ⅰ、第二个ms-csp模块、第五个卷积模块、第三个upsample层、第三个concat层ⅰ、第三个ms-csp模块、第六个卷积模块、第四个concat层ⅰ、第四个ms-csp模块、第七个卷积模块、第五个concat层ⅰ、第五个ms-csp模块、第八个卷积模块、第六个concat层ⅰ、第六个ms-csp模块；sppcspc模块与主干网络的第四个sf-elan模块连接，第一个卷积块ⅰ、第二个卷积块ⅰ、第三个卷积块ⅰ分别与第一个concat层ⅰ、第二个concat层ⅰ和第三个concat层ⅰ连接；sppcspc模块、第一个ms-csp模块和第二个ms-csp模块还分别与第六个concat层ⅰ、第五个concat层ⅰ和第四个concat层ⅰ连接；其中，第一个卷积块ⅰ至第三个卷积块ⅰ的结构相同，第三个卷积模块至第八个卷积模块的结构相同，第一个upsample层至第三个upsample层的结构相同，第一个ms-csp模块至第六个ms-csp模块的结构相同，第一个concat层ⅰ至第六个concat层ⅰ的结构相同。
19、优选地，步骤s2中，第一个ms-csp模块的结构包括第一个卷积块ⅲ、与第一个卷积块ⅲ连接的第一个分支网络和第二个分支网络、与第一个分支网络和第二个分支网络相连接的concat层ⅲ以及与concat层ⅲ相连接的第九个卷积块ⅲ；其中，第一个分支网络仅由第二个卷积块ⅲ构成；第二个分支网络包括split模块，split模块分别连接第三个卷积块ⅲ和add层，本文档来自技高网...
【技术保护点】
1.一种基于YOLOv7神经网络的无人机航拍小目标检测方法，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YOLOv7神经网络的无人机航拍小目标检测方法，其特征在于：步骤S2中，主干网络包括依次连接的第一个卷积模块、第二个卷积模块、第一个SF-ELAN模块、第一个MP模块、第二个SF-ELAN模块、第二个MP模块、第三个SF-ELAN模块、第三个MP模块和第四个SF-ELAN模块；其中，第一个卷积模块和第二个卷积模块结构相同，第一个SF-ELAN模块至第四个SF-ELAN模块的结构相同，第一个MP模块至第三个MP模块的结构相同。
3.根据权利要求2所述的一种基于YOLOv7神经网络的无人机航拍小目标检测方法，其特征在于：步骤S2中，第一个SF-ELAN模块的结构包括第一个卷积块Ⅱ和第七个卷积块Ⅱ，第一个卷积块Ⅱ连接Split模块，Split模块分别连接第二个卷积块Ⅱ和第五个卷积块Ⅱ，第二个卷积块Ⅱ依次连接第一个Add层、第三个卷积块Ⅱ、第二个Add层和第四个卷积块Ⅱ，第五个卷积块Ⅱ还分别连接第一个Add层、第二个Add层和第六个卷积块Ⅱ，第四
4.根据权利要求1所述的一种基于YOLOv7神经网络的无人机航拍小目标检测方法，其特征在于：步骤S2中，颈部网络包括与第三个SF-ELAN模块相连接的第一个卷积块Ⅰ、与第二个SF-ELAN模块相连接的第二个卷积块Ⅰ以及与第一个SF-ELAN模块相连接的第三个卷积块Ⅰ；还包括依次设置的SPPCSPC模块、第三个卷积模块、第一个Upsample层、第一个Concat层Ⅰ、第一个MS-CSP模块、第四个卷积模块、第二个Upsample层、第二个Concat层Ⅰ、第二个MS-CSP模块、第五个卷积模块、第三个Upsample层、第三个Concat层Ⅰ、第三个MS-CSP模块、第六个卷积模块、第四个Concat层Ⅰ、第四个MS-CSP模块、第七个卷积模块、第五个Concat层Ⅰ、第五个MS-CSP模块、第八个卷积模块、第六个Concat层Ⅰ、第六个MS-CSP模块；SPPCSPC模块与主干网络的第四个SF-ELAN模块连接，第一个卷积块Ⅰ、第二个卷积块Ⅰ、第三个卷积块Ⅰ分别与第一个Concat层Ⅰ、第二个Concat层Ⅰ和第三个Concat层Ⅰ连接；SPPCSPC模块、第一个MS-CSP模块和第二个MS-CSP模块还分别与第六个Concat层Ⅰ、第五个Concat层Ⅰ和第四个Concat层Ⅰ连接；其中，第一个卷积块Ⅰ至第三个卷积块Ⅰ的结构相同，第三个卷积模块至第八个卷积模块的结构相同，第一个Upsample层至第三个Upsample层的结构相同，第一个MS-CSP模块至第六个MS-CSP模块的结构相同，第一个Concat层Ⅰ至第六个Concat层Ⅰ的结构相同。
5.根据权利要求4所述的一种基于YOLOv7神经网络的无人机航拍小目标检测方法，其特征在于：步骤S2中，第一个MS-CSP模块的结构包括第一个卷积块Ⅲ、与第一个卷积块Ⅲ连接的第一个分支网络和第二个分支网络、与第一个分支网络和第二个分支网络相连接的Concat层Ⅲ以及与Concat层Ⅲ相连接的第九个卷积块Ⅲ；其中，第一个分支网络仅由第二个卷积块Ⅲ构成；第二个分支网络包括Split模块，Split模块分别连接第三个卷积块Ⅲ和Add层，第三个卷积块Ⅲ依次连接第四个卷积块Ⅲ和第五个卷积块Ⅲ，Add层依次连接第六个卷积块Ⅲ、第七个卷积块Ⅲ和第八个卷积块Ⅲ，第五个卷积块Ⅲ还连接Add层，Split模块、第二个卷积块Ⅲ、第五个卷积块Ⅲ以及第八个卷积块Ⅲ均与Concat层Ⅲ连接；其中，第一个卷积块Ⅲ至第九个卷积块Ⅲ的结构都是相同。
6.根据权利要求1所述的一种基于YOLOv7神经网络的无人机航拍小目标检测方法，其特征在于：步骤S2中，检测头包括第一个LD-Head模块、第二个LD-Head模块、第三个LD-Head模块、第四个LD-Head模块以及一个NMS模块；第三个MS-CSP模块至第六个MS-CSP模块分别连接第一个LD-Head模块至第四个LD-Head模块，第一个LD-Head模块至第四个LD-Head模块还均与NMS模块连接；其中，第一个LD-Head模块至第四个LD-Head模块的结构相同。
【技术特征摘要】
1.一种基于yolov7神经网络的无人机航拍小目标检测方法，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yolov7神经网络的无人机航拍小目标检测方法，其特征在于：步骤s2中，主干网络包括依次连接的第一个卷积模块、第二个卷积模块、第一个sf-elan模块、第一个mp模块、第二个sf-elan模块、第二个mp模块、第三个sf-elan模块、第三个mp模块和第四个sf-elan模块；其中，第一个卷积模块和第二个卷积模块结构相同，第一个sf-elan模块至第四个sf-elan模块的结构相同，第一个mp模块至第三个mp模块的结构相同。
3.根据权利要求2所述的一种基于yolov7神经网络的无人机航拍小目标检测方法，其特征在于：步骤s2中，第一个sf-elan模块的结构包括第一个卷积块ⅱ和第七个卷积块ⅱ，第一个卷积块ⅱ连接split模块，split模块分别连接第二个卷积块ⅱ和第五个卷积块ⅱ，第二个卷积块ⅱ依次连接第一个add层、第三个卷积块ⅱ、第二个add层和第四个卷积块ⅱ，第五个卷积块ⅱ还分别连接第一个add层、第二个add层和第六个卷积块ⅱ，第四个卷积块ⅱ和第六个卷积块ⅱ均与第一个concat层ⅱ连接；第一个concat层ⅱ依次连接simam模块和第八个卷积块ⅱ，第一个concat层ⅱ、第八个卷积块ⅱ、第七个卷积块ⅱ以及第一个卷积块ⅱ均与第二个concat层ⅱ连接；其中，第一个卷积块ⅱ至第八个卷积块ⅱ的结构相同，第一个add层和第二个add层结构相同，第一个concat层ⅱ和第二个concat层ⅱ结构相同。
4.根据权利要求1所述的一种基于yolov7神经网络的无人机航拍小目标检测方法，其特征在于：步骤s2中，颈部网络包括与第三个sf-elan模块相连接的第一个卷积块ⅰ、与第二个sf-elan模块相连接的第二个卷积块ⅰ以及与第一个sf-elan模块相连接的第三个卷积块ⅰ；还包括依次设置的sppcspc模块、第三个卷积模块、第一个upsample层、第一个concat层ⅰ、第一个ms-csp模块、第四个卷积模块、第二个upsample层、第二个concat层ⅰ、第二个ms-csp模块、第五个卷积模块、第三个upsample层、第三个concat层ⅰ、第三个ms-csp模块、第六个卷积模块、第四个concat层ⅰ、第四个ms-csp模块、第七个卷积模块、第五个concat层ⅰ、第五个ms-csp模块、第八个卷积模块、第六个concat层ⅰ、第六个ms-csp模块；sppcspc模块与主干网络的第四个sf-elan模块连接，第一个卷积块ⅰ、第二个卷积块ⅰ、第三个卷积块ⅰ分别与第一个concat层ⅰ、第二个concat层ⅰ和第三个concat层ⅰ连接；sppcspc模块、第一个ms-csp模块和第二个ms-csp模块还分别与第六个concat层ⅰ、第五个concat层ⅰ和第四个concat层ⅰ连接；其中，第一个卷积...
【专利技术属性】
技术研发人员：吕国华，张曾彬，元贸，丁振辉，
申请(专利权)人：齐鲁工业大学山东省科学院，
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。