一种基于DD-YOLO的轻量化无人机目标检测方法技术

本发明专利技术公开了一种基于DD‑YOLO的轻量化无人机目标检测方法，属于无人机小目标检测领域，该检测方法主要优化无人机视野下小目标的检查能力，以解决检测中所面临的目标小、密度高、遮挡严重及模型复杂等问题。本发明专利技术融入深度卷积轻量化网络模型，重构残差模块，替换C2f中的BottleNeck，在简化网络层级的同时增强骨干网络的特征提取能力；其次引入SE、MHSA注意力机制，改造空间金字塔池化层，使模型能够更全面地聚合局部和全局特征；在颈部网络添加四倍下采样分支以缓解对小目标的感受野不足的问题，提升提取小目标关键特征能力。将改进后的方法应用于无人机小目标检测中，相较于原始YOLOv8s方法，具有精度高，参数量小，计算量低，计算速度快等优势。

【技术实现步骤摘要】

本专利技术涉及无人机图像目标识别，特别涉及一种基于dd-yolo的轻量化无人机目标检测方法。

技术介绍

1、无人机作为一种灵活便捷的图像采集工具，已广泛应用于环境监测、农业、城市规划等领域。然而，无人机航拍图像中的目标检测仍面临诸多挑战。由于无人机通常在高空拍摄，图像中的目标往往较小且密集，此外，目标间的遮挡也较为常见，这些因素都可能导致传统目标检测算法出现错检和漏检现象。

2、目前，目标检测领域的主流方法主要基于深度学习，特别是卷积神经网络（cnns）。其中，yolo（you only look once）系列算法凭借其检测速度快、精度高的优点，在实际应用中获得了广泛关注。yolov8s是yolo系列的最新版本，具有较好的检测性能和较高的计算效率。然而，直接应用yolov8s进行无人机图像的目标检测，仍可能受到以下问题的困扰：1.无人机通常在高空进行拍摄，导致目标在图像中较小，传统检测方法难以捕捉小目标的细节。2.无人机航拍的场景中，目标物体往往密集排列，增加了目标检测的难度。3.密集场景下，物体间相互遮挡会导致目标特征难以被准确提取，从而影本文档来自技高网...

【技术保护点】

1.一种基于DD-YOLO的轻量化无人机目标检测方法，其特征在于包括以下步骤：步骤S1：部署待训练的模型环境；步骤S2：获取公开的无人机小目标图像数据集步骤；S3：设计DD-YOLO的网络架构，构建DD-YOLO轻量化无人机目标检测模型；步骤S4：基于所述公开数据集的训练集训练所述DD-YOLO小目标检测模型，得到最优小目标检测模型；步骤S5：将所述公开数据集中的测试集对所述最优小目标检测模型进行性能评估，以确保模型满足预定的准确性和实时处理要求，最后输出小目标检测结果以获得无人机图像中目标的定位和分类。

2.如权利要求1中所述的一种基于DD-YOLO的轻量化无人机目标检测方...

【技术特征摘要】

1.一种基于dd-yolo的轻量化无人机目标检测方法，其特征在于包括以下步骤：步骤s1：部署待训练的模型环境；步骤s2：获取公开的无人机小目标图像数据集步骤；s3：设计dd-yolo的网络架构，构建dd-yolo轻量化无人机目标检测模型；步骤s4：基于所述公开数据集的训练集训练所述dd-yolo小目标检测模型，得到最优小目标检测模型；步骤s5：将所述公开数据集中的测试集对所述最优小目标检测模型进行性能评估，以确保模型满足预定的准确性和实时处理要求，最后输出小目标检测结果以获得无人机图像中目标的定位和分类。

2.如权利要求1中所述的一种基于dd-yolo的轻量化无人机目标检测方法，其特征在于，所述dd-yolo的网络架构包括预处理部分、骨干网络、颈部网络和检测头部分。

3.如权利要求2中所述的一种基于dd-yolo的轻量化无人机目标检测方法，其特征在于，所述预处理部分，是对数据集图像进行平移，缩放，mixup和使用mosaic数据增强方法，将多个图像拼接为一张，增加了训练数据的多样性。

4.如权利要求2中所述的...

【专利技术属性】
技术研发人员：张攀峰，陈文强，杜慧，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：