【技术实现步骤摘要】
本专利技术属于目标检测技术，特别涉及一种基于改进yolov8n模型的无人机轻量化目标检测方法。
技术介绍
1、随着无人机技术与计算机视觉的深度融合，基于航拍视角的目标检测技术正逐步渗透至智慧城市巡检、灾害救援、军事侦察等关键领域。无人机凭借其灵活机动性与广域覆盖能力，能够快速获取高空俯瞰视角下的全局场景信息，为城市交通流量监测、灾后人员搜救、边境区域动态监控等任务提供实时数据支持。相较于传统地面视角，无人机平台在复杂地形适应性与大范围观测效率上展现出独特优势，成为智能感知系统向立体化、动态化演进的重要载体。
2、尽管目标检测算法在通用场景中已取得显著进展，但无人机使用场景下的特殊性仍带来诸多挑战，例如俯视视角目标尺寸受无人机高度影响变化大、机载边缘设备的算力与内存约束等。在论文《基于cdca-yolov8的无人机图像小目标识别》中，通过添加cbam模块、可变形卷积和一个小目标检测层来解决无人机对于小目标的检测精度较低的问题，但模型的参数量增大、计算量也大大增加，并不具备资源受限场景下的实用性。因此开发出适用于机载边缘设备，且...
【技术保护点】
1.一种基于改进YOLOv8n模型的无人机轻量化目标检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于改进YOLOv8n模型的无人机轻量化目标检测方法，其特征在于，步骤S4中，设计改进后的YOLOv8n模型，包括用于特征提取的骨干网络、用于特征融合的颈部网络以及用于检测预测的检测头。
3.根据权利要求2所述的基于改进YOLOv8n模型的无人机轻量化目标检测方法，其特征在于，步骤S5中，将训练集送入改进后的YOLOv8n模型进行训练，得到训练后的YOLOv8n模型，具体如下：
4.根据权利要求3所述的基于改进YOLOv8n...
【技术特征摘要】
1.一种基于改进yolov8n模型的无人机轻量化目标检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于改进yolov8n模型的无人机轻量化目标检测方法，其特征在于，步骤s4中，设计改进后的yolov8n模型，包括用于特征提取的骨干网络、用于特征融合的颈部网络以及用于检测预测的检测头。
3.根据权利要求2所述的基于改进yolov8n模型的无人机轻量化目标检测方法，其特征在于，步骤s5中，将训练集送入改进后的yolov8n模型进行训练，得到训练后的yolov8n模型，具体如下：
4.根据权利要求3所述的基于改进yolov8n模型的无人机轻量化目标检测方法，其特征在于，预处理后的图像...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。