一种基于PSO-DETR的无人机航拍图像目标检测方法技术

一种基于PSO‑DETR的无人机航拍图像目标检测方法，属于无人机航拍图像目标检测技术领域，首先，构建了并行补丁感知注意力特征提取模块，并融合CSPDarknet53结构设计了高效多分支骨干网络C3KCSPnet。该网络通过深层优化改善了梯度流动，增强了高层语义信息的捕获能力。其次，提出了增强型通道偏移混合算子，通过通道混洗机制强化通道间依赖关系，结合通道偏移操作实现局部空间信息的跨通道交互，从而提升了上采样阶段的特征恢复质量与融合效率，进一步缓解了遮挡目标漏检的问题。最后，设计了重参数化层级聚合网络，在保证计算复杂度可控的前提下，通过高效的层级融合机制实现浅层细节与深层语义的有效整合，进一步增强了小目标的检测性能。

【技术实现步骤摘要】

本专利技术属于无人机航拍图像目标检测，具体涉及一种基于pso-detr的无人机航拍图像目标检测方法。

技术介绍

1、近年来，随着无人机技术的不断发展与成熟，航拍无人机由于其操作简单、灵活性强以及成本低等特点，已广泛应用于多个民用领域，如森林防火、电力巡检以及智能交通等关键场景。在建筑行业中，无人机可辅助监测施工进度、识别安全隐患，并实现对施工人员佩戴安全防护装备的检测。在城市交通管理中，航拍图像能够实现对车流量与人群密度的实时感知，为交通规划与管理策略提供决策依据。在电力巡检方面，借助无人机可显著提升巡检的效率与安全性，降低人工作业风险与运维成本。

2、随着深度学习技术的突破性发展，基于卷积神经网络(cnn)的目标检测方法在鲁棒性、检测精度和推理效率等方面已显著优于传统图像处理技术。深度模型能够借助大规模标注数据和端到端的参数优化机制，自动提取具有判别性的多层次特征，表现出较强的特征学习能力和跨场景适应性。在无人机航拍图像任务中，图像往往伴随复杂背景、目标种类多样且密集分布等特点。虽然高空拍摄拓展了视野范围，增强了场景信息的获取能力，但也同时引本文档来自技高网...

【技术保护点】

1.一种基于PSO-DETR的无人机航拍图像目标检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于PSO-DETR的无人机航拍图像目标检测方法，其特征在于，所述步骤S1中，数据集预处理：获取公开可用的VisDrone2019数据集，将其划分为训练集、验证集及测试集，并将其格式转换为符合要求的格式。

3.如权利要求2所述的基于PSO-DETR的无人机航拍图像目标检测方法，其特征在于，所述步骤S2中，使用RT-DETR为基础模型进行改进，构建出PSO-DETR网络模型，首先对主干网络进行改进，提出一种含有并行补丁感知注意力的特征提取模块PC3KBlock...

【技术特征摘要】

1.一种基于pso-detr的无人机航拍图像目标检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于pso-detr的无人机航拍图像目标检测方法，其特征在于，所述步骤s1中，数据集预处理：获取公开可用的visdrone2019数据集，将其划分为训练集、验证集及测试集，并将其格式转换为符合要求的格式。

3.如权利要求2所述的基于pso-detr的无人机航拍图像目标检测方法，其特征在于，所述步骤s2中，使用rt-detr为基础模型进行改进，构建出pso-detr网络模型，首先对主干网络进行改进，提出一种含有并行补丁感知注意力的特征提取模块pc3kblock，...

【专利技术属性】
技术研发人员：刘春玲，石磊，倪雪梅，李江海，贾思怡，
申请(专利权)人：大连大学，
类型：发明
国别省市：