← 返回列表
一种轻量级无人机航拍目标实时检测方法
申请人信息
- 申请人:南昌大学
- 申请人地址:330000 江西省南昌市红谷滩区学府大道999号
- 发明人: 南昌大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种轻量级无人机航拍目标实时检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410073376.9 |
| 申请日 | 2024/1/18 |
| 公告号 | CN117593674A |
| 公开日 | 2024/2/23 |
| IPC主分类号 | G06V20/17 |
| 权利人 | 南昌大学 |
| 发明人 | 廖频; 肖江; 王富康; 陈瑞; 闵卫东; 韩清 |
| 地址 | 江西省南昌市红谷滩区学府大道999号 |
摘要文本
本发明提供一种轻量级无人机航拍目标实时检测方法，属于目标检测技术领域，该方法具体包括：将YOLOv8n所有原始的C2f模块替换为轻量块DWC2f模块，减少网络模型参数；将YOLOv8n的颈部结构修改为TFPN结构，增加160*160特征图的输入，可以有效解决应对无人机航拍图像小目标占比高的特点；删除20*20特征图的输入，大幅度减少网络参数量，提高实时检测速度；更换SIoU为MPDIoU，进一步提高网络检测性能；使用轻量块DWUnit代替YOLOv8n的头部结构的卷积核大小为3×3的卷积层，在减少参数量的基础上提高模型目标检测头的表达能力。相对于原来的YOLOv8n网络，本发明改进后的模型参数量显著下降了88.3%，从3.2M下降到375K，模型精度mAP值从0.361提升到0.429。
专利主权项内容
1.一种轻量级无人机航拍目标实时检测方法，其特征在于，具体包括以下步骤：获取无人机摄像头拍摄的初始数据集；对初始数据集进行数据增强处理；对YOLOv8n模型进行改进；训练改进后的YOLOv8n模型；将训练好的模型部署到移动端设备中，以进行目标实时检测；其中，对YOLOv8n模型进行改进具体包括：将YOLOv8n模型的骨干网络中的C2f模块替换为轻量块DWC2f模块；将YOLOv8n的PANET颈部结构修改为TFPN颈部结构；使用轻量块DWUnit代替YOLOv8n模型的头部结构中的CBS模块；使用MPDIoU替换掉YOLOv8n的SIoU损失函数。 来自