龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京航空航天大学
申请日：2024-04-08
公开（公告）日：2024-06-18
公开（公告）号：CN118212554A
主分类号：G06V20/17
分类号：G06V20/17;G06V10/82;G06V10/80;G06N3/0464;G06N3/0495;G06V10/764
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种能力受限下无人机轻量化网络的微小目标识别方法，在YOLOv8算法的主干网络基础上添加了FasterNeXt轻量化模块，实现模型的轻量化，并在检测层额外增加了小目标检测分支，提高网络对小目标检测精度，同时使用WIoULoss边界框损失函数优化网络的边界框损失，使网络能够快速收敛，解决了难易样本不平衡的问题，提高了模型的泛化能力，优化网络的训练效果。本发明相较于YOLOv8n模型方法拥有更好的检测效果以及更少的计算和参数量，能有效完成无人机的微小目标检测任务，满足了无人机高空目标识别的需求。
主权项：1.一种能力受限下无人机轻量化网络的微小目标识别方法，其特征在于，所述微小目标识别方法包括以下步骤：S1，在不同的场景、不同的天气和光照条件下，使用不同型号的无人机平台采集得到小目标数据集并进行手动标注；S2，构建得到微小目标识别模型，构建过程包括：S21，在YOLOv8n的主干网络中添加FasterNeXt轻量化模块；FasterNeXt轻量化模块包括依次连接的重叠块、第一快速网络单元、第一合并模块、第二快速网络单元、第二合并模块、第三快速网络单元、第三合并模块、第四快速网络单元、全局池化层、1*1卷积层和全连接层；其中，重叠块用于以查询自适应的方式关注相关部分的标记，第一合并模块、第二合并模块、第三合并模块用于降低输出空间分辨率和增加通道数，第一快速网络单元、第二快速网络单元、第三快速网络单元、第四快速网络单元用于特征分类；S22，在YOLOv8n的检测头结构前扩增一层卷积层作为小目标检测层，以得到160×160大小的特征图，对细粒度信息进行保留；S23，通过YOLOv8n的颈部网络采用双向交叉连接方式，利用低层高维特征分布空间保留的信息与深层低维特征空间的信息进行特征融合；S3，选择WIoULoss作为损失函数，使用步骤S1中采集的小目标数据集来训练和评估微小目标识别模型；S4，将测试集数据输入训练完成的微小目标识别模型，输出分类结果。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种能力受限下无人机轻量化网络的微小目标识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号