一种基于YOLOv11架构的轻量级航空图像车辆检测方法技术

本发明专利技术属于计算机视觉与遥感图像处理技术领域，具体涉及一种基于YOLOv11架构的轻量级航空图像车辆检测方法，创新性地引入了三个新型模块：残差交叉深度融合模块(RxDF)、轻量级特征金字塔池化模块(LiteFPP)和通道压缩下采样模块(CRDown)，有效减少了模型参数量和计算开销，使该方法能够部署于无人机和嵌入式系统中。在提高检测精度的同时显著降低了模型复杂度，在面对尺度变化、目标旋转和背景杂乱等情况时，依然能够实现高效准确的车辆检测，为智能交通和航空监控等应用提供了良好的技术效率与经济可行性。

【技术实现步骤摘要】

本专利技术属于计算机视觉与遥感图像处理，具体涉及一种用于车辆检测的轻量级深度学习方法。

技术介绍

1、近年来，航空图像中的车辆检测已成为智能交通系统(its)中的核心任务，尤其适用于无人机、无人飞行器(uav)和卫星图像等应用场景。当前的主流方法主要依赖于基于深度学习的目标检测器，尤其是yolo系列模型，如yolov5、yolov6、yolov8和yolov9。这些模型具备较强的端到端性能，但由于模块设计复杂，通常包含多分支结构、注意力机制以及基于transformer的特征提取器，因而计算开销较大。

2、为提升航空图像中小目标的检测性能，已有多种改进模型被提出。例如，afre-net采用细粒度特征金字塔以抑制背景干扰并增强特征表示能力；r-yolov5融合swintransformer块与自适应空间特征融合(asff)机制，提升在密集场景下的鲁棒性；tioe-det引入后验层次对齐(pha)模块以提高定位精度；lc-yolo通过跨层注意力上采样和拉普拉斯瓶颈模块，在浅层特征中实现更精细的特征提炼。尽管这些方法在检测精度方面有所提升，但大多数仍本文档来自技高网...

【技术保护点】

1.一种基于YOLOv11架构的轻量级航空图像车辆检测方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的一种基于YOLOv11架构的轻量级航空图像车

3.如权利要求2所述的一种基于YOLOv11架构的轻量级航空图像车辆检测方法，其特征在于：所述步骤3.2具体实现过程为：

4.如权利要求3所述的一种基于YOLOv11架构的轻量级航空图像车辆检测方法，其特征在于：所述步骤3.3特征聚合计算公式为：

5.如权利要求4所述的一种基于YOLOv11架构的轻量级航空图像车辆检测方法，其特征在于：所述步骤3.5输出Y计算公式为：

6...

【技术特征摘要】

1.一种基于yolov11架构的轻量级航空图像车辆检测方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的一种基于yolov11架构的轻量级航空图像车

3.如权利要求2所述的一种基于yolov11架构的轻量级航空图像车辆检测方法，其特征在于：所述步骤3.2具体实现过程为：

4.如权利要求3所述的一种基于yolov11架构的轻量级航空图像车辆检测方法，其特征在于：所述步骤3.3特征聚合计算公式为：

5.如权利要求4所述的一种基于yolov11架构的轻量级航空图像车辆检测方法，其特征在于：所述步骤3.5输出y计算公式为：

【专利技术属性】
技术研发人员：阿里·可汗，邓海，索梅娅·可汗，穆罕默德·埃尔汗松，阿已扎·阿梅德·可汗，
申请(专利权)人：江苏安自达科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人