一种用于无人机航拍图像的多尺度特征融合小目标检测算法制造技术

本发明专利技术涉及无人机航拍图像处理技术领域，具体涉及一种用于无人机航拍图像的多尺度特征融合小目标检测算法，包括如下步骤：S1：修改检测头尺度，以捕捉图像中的小尺寸目标；S2：基于MSFEM，提取从细粒度到高层次的多尺度特征信息；S3：基于BDFPN，增强特征层间的信息流动，将从浅层到深层的特征充分利用。本发明专利技术，通过设计多尺度特征提取模块(MSFEM)以及双向密集特征金字塔网络(BDFPN)，并引入微小物体检测头；在无人机航拍图像的小目标检测任务中表现出色，同时也展示了良好的泛化能力和实用性。

【技术实现步骤摘要】

本专利技术涉及无人机航拍图像处理，具体涉及一种用于无人机航拍图像的多尺度特征融合小目标检测算法。

技术介绍

1、在无人机航拍图像的目标检测领域，由于图像特有的挑战，如小物体的高密度分布、显著的尺度变化，以及复杂的环境因素，使得传统的目标检测方法难以有效应用，这些挑战对无人机图像中的目标检测精度和效率提出了更高的要求。传统的人工特征提取方法依赖于人工设计的特征描述子，缺乏对复杂场景的适应能力，无法捕捉到图像中多尺度下物体的细节信息，因此在无人机航拍图像目标检测中表现不佳。

2、随着深度学习技术的快速发展，基于深度学习的目标检测算法逐渐取代了传统方法，成为主流。这些算法利用深度神经网络强大的特征学习能力，能够自动学习到更加丰富和有效的特征表示，从而在处理无人机图像中小物体检测、尺度变化大的物体检测等问题上展现出了显著的优势。

3、现有的基于深度学习的目标检测算法在处理无人机图像中的小物体检测时面临着巨大的挑战，一方面，由于无人机飞行距地面较高，拍摄视野广阔，无人机图像中通常包含有大量微小的物体，并且呈现出密集分布的特点。另一方面，由于无本文档来自技高网...

【技术保护点】

1.一种用于无人机航拍图像的多尺度特征融合小目标检测算法，其特征在于，包括如下步骤：

2.根据权利要求1所述的用于无人机航拍图像的多尺度特征融合小目标检测算法，其特征在于，修改检测头尺度，包括：新增微小物体检测头，提高算法对微小物体的感知能力和检测性能；并删除大物体检测头，降低模型的参数量。

3.根据权利要求1所述的用于无人机航拍图像的多尺度特征融合小目标检测算法，其特征在于，MSFEM包括四个特征提取分支，由主分支和残差分支组成；主分支上包含有卷积核大小分别为1×1、3×3和5×5的卷积模块；残差分支上包含有一个卷积核大小为1×1的卷积模块；卷积模块由卷积层、批...

【技术特征摘要】

1.一种用于无人机航拍图像的多尺度特征融合小目标检测算法，其特征在于，包括如下步骤：

2.根据权利要求1所述的用于无人机航拍图像的多尺度特征融合小目标检测算法，其特征在于，修改检测头尺度，包括：新增微小物体检测头，提高算法对微小物体的感知能力和检测性能；并删除大物体检测头，降低模型的参数量。

3.根据权利要求1所述的用于无人机航拍图像的多尺度特征融合小目标检测算法，其特征在于，msfem包括四个特征提取分支，由主分支和残差分支组成；主分支上包含有卷积核大小分别为1×1、3×3和5...

【专利技术属性】
技术研发人员：袁宝玺，谢函霏，郭建新，王锋，
申请(专利权)人：西京学院，
类型：发明
国别省市：