一种轻量化的无人机航拍图像检测方法技术

本发明专利技术公开了一种轻量化的无人机航拍图像检测方法，涉及无人机目标检测领域。实现方法包括如下步骤：获取无人机航拍图像数据集，并对数据集进行预处理；使用YOLOv8作为基础网络，将原始PAFPN颈部网络替换为高效多尺度动态加权特征融合金字塔网络(EMDFPN)，其中包含通过MSCB块改进C2f中的Bottleneck形成的C2f_MSCB块、高效上卷积块EUCB和加权特征融合块(Weighted Feature Fusion)，接着利用共享卷积思想设计了一种组卷积核参数共享检测头(CPSD)用来替换原有解耦头；最后使用改进后的YOLOv8网络训练得到一个轻量级小目标检测深度学习模型；将待测图像输入模型进行检测，得到目标检测结果；本发明专利技术实现了对无人机小目标的快速、精准识别。

【技术实现步骤摘要】

本专利技术属于计算机视觉目标检测领域，尤其涉及基于改进yolov8的轻量级无人机航拍图像小目标检测方法。

技术介绍

1、无人机小目标检测是计算机视觉和人工智能领域的重要研究方向，主要用于军事、灾害救援、环境监测和精准农业等多个应用场景。随着无人机技术的不断发展，尤其是小型无人机的普及，对小目标的检测需求日益增加。在军事方面，无人机能够实时监视敌方动态，精确定位小型移动目标，提高作战效率。在灾害救援中，快速识别被困人员和评估受灾区域，能够显著提升救援效率和效果。环境监测中，利用无人机对野生动物、植物及污染源进行监控，提供重要数据支持，而在农业领域，则通过检测作物生长情况和病虫害，实现精准农业管理。

2、随着深度学习技术的迅速发展，基于深度学习的无人机目标检测算法在近年来取得了显著进展，主要分为单阶段和双阶段目标检测方法。双阶段方法，如faster r-cnn，首先生成候选区域，再对这些区域进行分类和回归，通常在复杂场景下表现出更高的精度，但计算开销较大，速度相对较慢。而单阶段方法，如yolo，通过一个神经网络直接实现目标的定位和分类，具有较快的处本文档来自技高网...

【技术保护点】

1.一种轻量化的无人机航拍图像检测方法，其特征在于，包括：

2.根据权利要求1所述的一种轻量化的无人机航拍图像检测方法，其特征在于：所述步骤S1的具体实现方法，包括以下步骤：

3.如权利要求1所述的一种轻量化的无人机航拍图像检测方法，其特征在于，所述步骤S2中改进的YOLOv8网络颈部结构通过如下方法进行构建：

4.根据权利要求3所述的一种轻量化的无人机航拍图像检测方法，其特征在于，所述步骤S21中构建MSCB的方法包含如下步骤：

5.根据权利要求3所述的一种轻量化的无人机航拍图像检测方法，其特征在于，所述步骤S22中构建EUCB的方法包含...

【技术特征摘要】

1.一种轻量化的无人机航拍图像检测方法，其特征在于，包括：

2.根据权利要求1所述的一种轻量化的无人机航拍图像检测方法，其特征在于：所述步骤s1的具体实现方法，包括以下步骤：

3.如权利要求1所述的一种轻量化的无人机航拍图像检测方法，其特征在于，所述步骤s2中改进的yolov8网络颈部结构通过如下方法进行构建：

4.根据权利要求3所述的一种轻量化的无人机航拍图像检测方法，其特征在于，所述步骤s21中构建mscb的方法包含如下步骤：

5.根据权利要求3所述的一种轻量化的无人机航拍图像检测方法，其特征在于，所述步骤s22中构建eucb的方法包含如下步骤：

6.根据权利要求3所述的一种轻量化的无人机航拍图像检测方法，其...

【专利技术属性】
技术研发人员：胡林，谢维成，黄祥珂，刘久成，谢林城，张永海，张子豪，
申请(专利权)人：西华大学，
类型：发明
国别省市：