一种基于改进YOLOv8的无人机航拍图像目标检测方法技术

本发明专利技术属于计算机视觉、图像处理领域，具体涉及一种基于改进YOLOv8的无人机航拍图像目标检测方法，包括采集无人机航拍图像并进行预处理得到预处理图像集；在YOLOv8网络中添加小目标检测分支和专用小目标检测头，并采用T‑C2F结构模块替换YOLOv8网络中的C2F模块，得到目标检测模型；将预处理图像输入目标检测模型得到初步检测结果，对初步检测结果进行后处理得到检测结果；采用预处理图像集训练目标检测模型；根据检测结果计算损失并反向传播训练模型参数；采用目标检测模型进行无人机航拍图像目标检测；本发明专利技术提升了对小目标检测的性能。

【技术实现步骤摘要】

本专利技术属于计算机视觉、图像处理领域，具体涉及一种基于改进yolov8的无人机航拍图像目标检测方法。

技术介绍

1、随着无人机技术的快速发展，无人机航拍在各个领域的应用越来越广泛，如农业植保、灾区救援、军事侦察等。在这些应用中，对无人机航拍图像中的目标进行快速、准确、实时的检测是至关重要的。目标检测是计算机视觉领域的一个重要研究方向，其在无人机航拍图像中的应用尤为重要。实时、准确地检测无人机航拍图像中的目标是许多实际应用的基础，如自动跟踪、避障等。然而，由于无人机航拍图像的动态性、视角变化和目标大小变化等问题，使得目标检测面临许多挑战。

2、目前，在目标检测领域，基于深度学习的目标检测方法占据主导地位，yolo系列算法以其高效性和准确性受到了广泛关注。特别的，虽然现有基于yolov8的方法实现了高效的无人机航拍图像目标检测，但在面对复杂场景下目标遮挡、截断、模糊、密度高等尖锐的问题下，目标检测任务变得尤为困难，容易出现漏检和错检。因此，如何进一步优化基于yolo系列的无人机航拍图像目标检测方法，提高其准确性和实时性，仍然是当前研究的热点和难点本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8的无人机航拍图像目标检测方法，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YOLOv8的无人机航拍图像目标检测方法，其特征在于，T-C2F结构模块包括级联的第一CBS层、Split层、Bottle模块、Concat层、Transformer层和第二CBS层，Bottle模块包括N个级联的Bottleneck层；第一CBS层、Split层和N个Bottleneck层均与Concat层残差连接。

3.根据权利要求2所述的一种基于改进YOLOv8的无人机航拍图像目标检测方法，其特征在于，Transformer层包括2个特征...

【技术特征摘要】

1.一种基于改进yolov8的无人机航拍图像目标检测方法，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yolov8的无人机航拍图像目标检测方法，其特征在于，t-c2f结构模块包括级联的第一cbs层、split层、bottle模块、concat层、transformer层和第二cbs层，bottle模块包括n个级联的bottleneck层；第一cbs层、split层和n个bottleneck层均与concat层残差连接。

3.根据权利要求2所述的一种基于改进yolov8的无人机航拍图像目标检测方法，其特征在于，transformer层包括2个特征提取模块和1个contraction层；每个特征提取模块均包括级联的contraction层、mhsa层和expansion层，且特征提取模块的输入与expansion层的输出拼接融合后形成特征提取模块的输出。

4.根据权利要求1所述的一种基于改进yolov8的无人机航拍图像目标检测方法，其特征在于，所述目标检测模型包括backbone模块、neck模块和head模块，其中：

5.根据权利要求4所述的一种基于改进yolov8的无人机航拍...

【专利技术属性】
技术研发人员：李校林，马立顺，刘大东，宋耀辉，
申请(专利权)人：重庆水淇数智科技有限公司，
类型：发明
国别省市：