申请/专利权人:中国地质大学(武汉)
申请日:2024-03-14
公开(公告)日:2024-06-21
公开(公告)号:CN118230194A
主分类号:G06V20/17
分类号:G06V20/17;G06V10/82;G06N3/0464;G06N3/0455;G06N3/082;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明提供一种基于改进YOLOv8s算法的无人机航拍小目标检测方法及电子设备,涉及航拍图像检测技术领域,该方法包括:获取航拍图像数据集;训练改进后的YOLOv8s网络模型,改进模型包括主干网络、特征增强网络和解耦头,主干网络中采用SwinTransformer模块替换第一个C2f模块以获取一层全局特征,特征增强网络中采用DSConv卷积代替C2f模块的Bottleneck卷积构成C2f‑DS模块,解耦头利用该层全局特征构建小目标检测头;构建目标损失函数以训练得到优化后的改进YOLOv8s网络模型,目标损失函数包括QFL分类损失函数和NWD定位损失函数;将待检测的航拍图像输入到训练好的改进YOLOv8s网络模型中进行检测。本发明的有益效果:对小目标能够更加精准地识别和定位,更适用于小目标,提高了航拍图像的小目标检测精度。
主权项:1.一种基于改进YOLOv8s算法的无人机航拍小目标检测方法,其特征在于,包括以下步骤:获取航拍图像数据集;采用航拍图像数据集训练改进后的YOLOv8s网络模型,改进后的YOLOv8s网络模型包括主干网络、特征增强网络和解耦头,所述主干网络中采用SwinTransformer模块替换第一个C2f模块以获取一层全局特征,所述特征增强网络中采用DSConv卷积代替C2f模块的Bottleneck卷积构成C2f-DS模块,所述解耦头利用该层全局特征构建小目标检测头;构建目标损失函数以训练得到优化后的改进YOLOv8s网络模型,所述目标损失函数包括QFL分类损失函数和NWD定位损失函数;将待检测的航拍图像输入到训练好的改进YOLOv8s网络模型中进行检测。
全文数据:
权利要求:
百度查询: 中国地质大学(武汉) 基于改进YOLOv8s算法的无人机航拍小目标检测方法及电子设备
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。