摘要
本发明属于目标检测技术领域,具体为一种无人机应用场景下的小目标检测方法。本发明基于YOLOv8网络,首先,利用PConv结构的特点,引入C2f‑PConv和PConvModule模块,对网络特征提取模块进行轻量化,减少网络对冗余特征的学习,降低模型的计算开销;其次,设计EMMB模块,集成轻量级注意力机制作为模型的特征融合模块,增强浅层和深层特征的融合能力,提高模型的小目标检测性能;最后,设计PA‑AFPN特征融合模块,可以逐步有效地组合每一层的特征,有效利用多尺度特征;本发明有效解决无人机视角目标检测面临图像目标小、分布密集的难题,在保证识别准确率比同类模型优越的条件下,对模型进行轻量化。
技术关键词
注意力机制
高效多尺度
特征融合网络
模块
融合多尺度特征
加速网络收敛
无人机场景
层级
检测网络模型
深度学习框架
卷积滤波器
构建无人机
图像
颈部结构
瓶颈结构
系统为您推荐了相关专利信息
动态系统模型
机器人
非线性特征
控制策略
高维特征向量
在线学习平台
课程推荐方法
信息采集模块
预警模块
计算机设备
容器清洗装置
感应控制单元
开式喷头
杯型容器
AI控制系统
图像生成模型
关键词
嵌入特征
图像解码器
文本编码器