摘要
本发明提出了一种基于改进YOLOv8的无人机航拍图像小目标检测方法,属于计算机视觉、深度学习目标检测领,包括:以原始YOLOv8网络为基准模型进行如下改进构建得到改进后的YOLOv8无人机航拍小目标检测网络模型:在Neck部分引入了MAF‑YOLO网络中的MAFPN特征金字塔结构,使其能够更好的融合网络不同层级之间的信息特征;在YOLOv8检测头部分添加了小目标检测层以提高网络对于小目标物体的检测能力;在以上改进的基础上用Dyhead动态检测头来替换网络原有的检测头,该模块通过融合尺度感知注意力、空间感知注意力和任务感知注意力能够有效提升网络对于小目标物体的检测能力。通过上述改进,本发明可以有效提升模型对于无人机航拍图像小目标数据的检测精度。
技术关键词
无人机航拍图像
检测网络模型
检测头
网络特征
多尺度特征融合
分辨率
特征金字塔
物体
计算机视觉
注意力机制
基准
数据格式
训练集
代表
尺寸
系统为您推荐了相关专利信息
三维信息检测方法
检测网络模型
车辆
单目相机
融合策略
多尺度特征融合
冠脉造影
血管分割
语义特征
形态学特征
乳腺癌病理图像
预筛选方法
多尺度特征提取
深度学习网络
图像特征提取
多任务损失函数
主梁
桥梁建造施工技术
载荷
多尺度特征融合