-
公开(公告)号:CN119251716A
公开(公告)日:2025-01-03
申请号:CN202411411495.7
申请日:2024-10-10
Applicant: 桂林理工大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/776 , G06V10/764 , G06V10/42 , G06V10/44 , G06V20/70 , G06N3/0464 , G06N3/0495 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于DD‑YOLO的轻量化无人机目标检测方法,属于无人机小目标检测领域,该检测方法主要优化无人机视野下小目标的检查能力,以解决检测中所面临的目标小、密度高、遮挡严重及模型复杂等问题。本发明融入深度卷积轻量化网络模型,重构残差模块,替换C2f中的BottleNeck,在简化网络层级的同时增强骨干网络的特征提取能力;其次引入SE、MHSA注意力机制,改造空间金字塔池化层,使模型能够更全面地聚合局部和全局特征;在颈部网络添加四倍下采样分支以缓解对小目标的感受野不足的问题,提升提取小目标关键特征能力。将改进后的方法应用于无人机小目标检测中,相较于原始YOLOv8s方法,具有精度高,参数量小,计算量低,计算速度快等优势。