一种基于改进YOLOv8的无人机航拍图像目标检测方法技术

本发明专利技术公开了一种基于改进YOLOv8的无人机航拍图像目标检测方法，涉及目标检测技术领域，包括收集无人机航拍的图像数据，将图像数据输入到改进的YOLOv8模型的骨干网络中提取特征；将特征图传递至颈部网络进行特征处理与融合，使用专门针对小目标的检测头和多尺度特征图在头部网络进行目标分类以及边界框预测；利用MPDIoU损失函数计算预测边界框与真实边界框之间差异，反向传播更新模型参数，输出检测到的目标类别以及边界框坐标。本发明专利技术所述方法通过替换C2f模块为RepNCSPELAN4，引入GAM注意力机制，增加小尺度特征检测头，并采用MPDIoU损失函数，优化特征提取与融合，提升检测精度和边界框回归准确性。

【技术实现步骤摘要】

本专利技术涉及目标检测，具体为一种基于改进yolov8的无人机航拍图像目标检测方法。

技术介绍

1、目前，在无人机数据集研究上面临难点有小目标数量众多，图像背景复杂，目标尺度变化大以及目标容易被掩盖等问题，为了解决这些问题，许多研究员提出了改进机制，sun r,fan h,tangy,et al.提出了一种专门用于低分辨率图像和小物体的新cnn模块spd-conv:由space-to-depth(spd)层和non-strided convolution(conv)组成，虽然使用spd-conv确实会对小目标的检查性能有所提升，但在visdrone2019数据集上的实验表明，使用spd-conv后检查性能并未提高，也有研究者提出减少yolov8的backbone层数并增大head部分待检测特征图的尺寸，以提高小目标的检测精度，但是降低yolov8的骨干网络层数不可避免的导致表达能力减弱，为了减少回归定位损失，wang g,chen y,an p,et al.引入了wiouv3损失函数，该损失函数使模型更加关注锚定普通质量目标并提高定位能力，然而，对比例较小本文档来自技高网...

【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：

2.如权利要求1所述的基于改进YOLOv8的无人机航拍图像目标检测方法，其特征在于：所述改进的YOLOv8模型包括骨干网络、颈部网络、头部网络；

3.如权利要求2所述的基于改进YOLOv8的无人机航拍图像目标检测方法，其特征在于：所述骨干网络还包括，引入RepNCSPELAN4模块和GAM注意力机制。

4.如权利要求3所述的基于改进YOLOv8的无人机航拍图像目标检测方法，其特征在于：所述RepNCSPELAN4模块包括双路径设计和多尺度特征提取策略，RepNCSPELAN4...

【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：

2.如权利要求1所述的基于改进yolov8的无人机航拍图像目标检测方法，其特征在于：所述改进的yolov8模型包括骨干网络、颈部网络、头部网络；

3.如权利要求2所述的基于改进yolov8的无人机航拍图像目标检测方法，其特征在于：所述骨干网络还包括，引入repncspelan4模块和gam注意力机制。

4.如权利要求3所述的基于改进yolov8的无人机航拍图像目标检测方法，其特征在于：所述repncspelan4模块包括双路径设计和多尺度特征提取策略，repncspelan4模块是yolov9中的新模块，将repncspelan4模块引入到yolov8模型中替换原yolov8模型中的c2f模块；

5.如权利要求4所述的基于改进yolov8的无人机航拍图像目标检测方法，其特征在于：所述gam注意力机制包括通道注意力子模块mc以及空间注意力子模块ms；

6.如权利要求5所述的基于改进yolov8的无人机航拍图像目标检测方法，其特征在于：所述专门针对小目标的检测头包括在原yolov8模型的基础上额外增...

【专利技术属性】
技术研发人员：杜雨轩，于万钧，丁佳伟，吴曙镔，刘湘楠，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：