一种基于改进YOLOv8的无人机小目标检测算法制造技术

本发明专利技术提供了一种基于改进YOLOv8的无人机小目标检测算法，包括对与目标像素点有关联的关联像素点的特征结合到该目标像素点，生成增强特征图，然后加入动态注意力的CBAM模块，动态生成注意力权重生成重分配特征图，输入YOLOv8的检测头，在每一个待检测目标处标记出对应的边界框、类别和置信度标签等步骤。本发明专利技术通过非局部机制以及引入动态CBAM模块，使得模型能够根据每幅图像的具体特征，自动调整特征关注区域，在特征提取过程中，通过建模特征图中的全局像素关联度，相比局部像素关联的模块，使得小目标的特征可以被全局视角识别，帮助模型更有效地关注到细小、易混淆的目标区域。

【技术实现步骤摘要】

本专利技术涉及无人机领域，具体而言，涉及一种基于改进yolov8的无人机小目标检测算法。

技术介绍

1、无人机技术的快速发展使其在监控、搜救、农业和城市规划等领域得到了广泛应用，特别是在无人机小目标检测方面，随着计算机视觉技术的进步，基于深度学习的目标检测算法成为了无人机视觉系统中的重要组成部分，yolo系列作为一种高效的目标检测算法，已经被广泛应用于无人机视角下的小目标检测任务，yolo系列算法的代表版本包括yolov3、yolov5和yolov8等，每个版本在检测精度、速度和多尺度目标检测能力上都有不同程度的改进。

2、yolov8采用了轻量级的cspdarknet主干网络进行特征提取，通过多层卷积网络和最大池化层提取不同尺度的特征，尤其是高层语义信息，然后引入fpn(特征金字塔网络)和pan(路径聚合网络)，yolov8能够将不同分辨率的特征图进行聚合，从而在不同尺度的特征图上捕捉目标，这一特性对于检测无人机拍摄的图像中不同大小的目标具有重要意义，特别是那些因远距离拍摄而变得较小的目标，检测头能够同时对目标进行分类和边界框回归，并输出不同本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8的无人机小目标检测算法，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的无人机小目标检测算法，其特征在于，所述图像进行格式化一致性预处理包括对接收到的无人机拍摄图像进行标准化、缩放和数据增强处理，确保处理后的图像具有一致的格式以适应YOLOv8模型的输入要求。

3.根据权利要求2所述的一种基于改进YOLOv8的无人机小目标检测算法，其特征在于，步骤S1中所述生成多尺度特征图过程包括，利用使用CSP(Cross Stage Partial)和C2f模块，通过卷积层和下采样操作生成多尺度特征图以为捕捉到不同尺度...

【技术特征摘要】

1.一种基于改进yolov8的无人机小目标检测算法，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的无人机小目标检测算法，其特征在于，所述图像进行格式化一致性预处理包括对接收到的无人机拍摄图像进行标准化、缩放和数据增强处理，确保处理后的图像具有一致的格式以适应yolov8模型的输入要求。

3.根据权利要求2所述的一种基于改进yolov8的无人机小目标检测算法，其特征在于，步骤s1中所述生成多尺度特征图过程包括，利用使用csp(cross stage partial)和c2f模块，通过卷积层和下采样操作生成多尺度特征图以为捕捉到不同尺度目标的信息作为分析基础。

4.根据权利要求3所述的一种基于改进yolov8的无人机小目标检测算法，其特征在于，所述多尺度特征图包括低层次特征图和高层次特征图。

5.根据权利要求1所述的一种基于改进yolov8的无人机小目标检测算法，其特征在于：步骤s2中计算生产成的多尺度特征图中每个目标像素点与其他像素点的关联度通过以下公式(1)进行计算

6.根据权利要求5所述一种基于改进yolov8的无人机小目标检测算...

【专利技术属性】
技术研发人员：刘敬颐，罗前春，肖江浩，单海峰，韩永朋，王明甫，陈美，毛哲浩，
申请(专利权)人：中电信无人科技江苏有限公司，
类型：发明
国别省市：