龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：淮阴工学院
摘要：本发明公开了一种基于多尺度特征融合和上下文增强的无人机影像检测方法，针对影像中的小尺寸目标，在网络输出端新增一个极小目标检测头；在骨干网路中用可变形卷积替换部分卷积，提高特征提取能力；引入坐标注意力机制CA，充分利用通道信息和位置信息，有效提升网络模型的识别性能；在颈部网路中改进多尺度跳跃连接，使不同层次的特征融合的同时消除冗余的信息；构建上下文增强模块CAM；接下来在后处理操作中使用SoftNMS。本发明有效地提高了YOLOv5特征提取能力以及多尺度特征融合能力，并且缓解了深层特征图目标周围上下文信息利用不充分的问题，针对无人机影像检测中小目标漏检以及检测精度低的问题，本发明能有效提高检测效率和精度。
主权项：1.基于多尺度特征融合和上下文增强的无人机影像检测方法，其特征在于，包括有以下步骤：S1：数据获取并对数据集进行预处理；S2：构建基于多尺度特征融合和上下文增强的MC-YOLOv5模型，S21：特征提取阶段，在骨干网路中用可变形卷积替换第1层和第5层的普通卷积，增强特征提取；在网络第10层即SPPF模块之前引入坐标注意力机制CA；S22：在YOLOv5算法输出端新增一个极小目标检测头P2；S23：特征融合阶段，颈部网络中使用Concat在四个检测头的基础上改进多尺度跳跃连接，改进多尺度跳跃连接具体为将第2层经过C3模块输出浅层特征图和第20层经过两倍上采样的深层特征图进行融合；将第4层经过C3模块输出的深层特征图和第18层经过C3模块输出的浅层特征图以及第23层经过CBS模块降维的浅层特征图进行融合；将第4层经过C3模块输出的深层特征图和第14层经过C3模块输出的深层特征图以及第26层经过CBS模块降维的浅层特征图进行融合；构建上下文增强模块CAM；S3：在后处理中使用SoftNMS；S4：设置训练参数，对模型训练，进行评价，获得训练好的模型，将无人机影像输入至训练好的模型，输出检测结果。
全文数据：
权利要求：
百度查询： 淮阴工学院 基于多尺度特征融合和上下文增强的无人机影像检测方法
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