公开(公告)号：CN114863302A

公开(公告)日：2022-08-05

申请号：CN202210528675.8

申请日：2022-05-16

Applicant: 辽宁科技大学

Inventor： 巩荣芬 ,  束伟 ,  储茂祥 ,  王伟 ,  刘光虎

IPC: G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于改进多头自注意力的无人机小目标检测方法，包括：步骤1：从已经部署的居民摄像头监控中采集图像，获得一个含有低空无人机的图片数据集；步骤2：使用含低空无人机的图片数据集对原始的YOLOv5s模型进行预训练，获得YOLOv5s的预训练权重；步骤3：根据无人机小目标的特性对多头自注意力模块进行改进，并将其加入到YOLOv5s模型中；步骤4：使用含低空无人机的图片数据集和预训练权重对YOLOv5s模型进行重新训练，获得YOLOv5s的新训练权重；步骤5：将新训练权重加载到YOLOv5s模型中，对居民摄像头监控数据进行检测。在YOLOv5s目标检测模型基础上添加改进多头自注意力模块，既适用于实时的无人机小目标检测任务，又增强目标检测模型提取小目标特征的能力。

公开(公告)号：CN116503762A

公开(公告)日：2023-07-28

申请号：CN202310479243.7

申请日：2023-04-28

Applicant: 辽宁科技大学

Inventor： 储茂祥 ,  束伟 ,  巩荣芬 ,  刘历铭 ,  刘光虎

IPC: G06V20/17 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06T7/10 ,  G06T3/40

Abstract: 本发明提供了一种面向嵌入式设备的轻量化无人机检测方法，利用已经部署的居民摄像头采集图像，摒弃了上位机，改进yolov5s的模型结构，直接将模型部署到嵌入式设备中，实时检测目标区域是否存有无人机，加强对小尺度无人机的监管。包括如下步骤：Step1：采集无人机图像；Step2：添加飞鸟负样本；Step3：对处理好的数据集进行标注，由于仅对无人机进行检测，故标注时仅标注无人机区域；Step4：设计改进yolov5s的模型结构，所述改进yolov5s的模型结构降低参数量以及提出特征融合机制；Step5：训练模型，得到训练好的模型权重；Step6：应用阶段，将训练好的模型权重加载到网络中，并部署到嵌入式设备中，实时检测视频中的小尺度无人机。

公开(公告)号：CN114863302B

公开(公告)日：2025-04-11

申请号：CN202210528675.8

申请日：2022-05-16

Applicant: 辽宁科技大学

Inventor： 巩荣芬 ,  束伟 ,  储茂祥 ,  王伟 ,  刘光虎

IPC: G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于改进多头自注意力的无人机小目标检测方法，包括：步骤1：从已经部署的居民摄像头监控中采集图像，获得一个含有低空无人机的图片数据集；步骤2：使用含低空无人机的图片数据集对原始的YOLOv5s模型进行预训练，获得YOLOv5s的预训练权重；步骤3：根据无人机小目标的特性对多头自注意力模块进行改进，并将其加入到YOLOv5s模型中；步骤4：使用含低空无人机的图片数据集和预训练权重对YOLOv5s模型进行重新训练，获得YOLOv5s的新训练权重；步骤5：将新训练权重加载到YOLOv5s模型中，对居民摄像头监控数据进行检测。在YOLOv5s目标检测模型基础上添加改进多头自注意力模块，既适用于实时的无人机小目标检测任务，又增强目标检测模型提取小目标特征的能力。