摘要
本发明公开了一种基于MADS‑YOLOv5s的小目标检测方法及系统。本发明步骤:步骤1、采集无人机和远景摄像头的牛只图片数据;步骤2、建立基于MADS‑YOLOv5s的小目标检测模型;步骤3、小目标检测模型的训练与测试。本发明具有结合全局特征与局部特征特性的C3M‑Backbone主干网络,提高了模型对近远景牛只同时检测的能力。提出的AD‑Neck颈部网络,采用动态上采样器Dysample与四尺度检测层,有效恢复丢失的细节特征、关注小目标的细节信息,提升了模型对小且模糊牛只的检测性能。在此基础上采用了关注边界框本身形状与尺度的Shape‑IoU损失函数,使边界框回归更加准确,提高了小目标检测的准确率和对于复杂情况的适应能力,有效地提高了模型对近远景牛只与模糊牛只的检测性能。
技术关键词
卷积模块
特征金字塔
采集无人机
采样器
融合卷积神经网络
跨尺度特征融合
混合特征提取
图片
注意力机制
多尺度特征提取
无人机场景
语义特征
融合特征
卷积架构
开阔场地
上采样
连续特征
网络深度
系统为您推荐了相关专利信息
铁路轨道损伤
分层缺陷
深度卷积神经网络模型
工业相机
裂纹识别
门控循环单元
特征金字塔
深度神经网络
水下机器人
残差模块
编码特征
医学图像分割模型
阶段
医学图像分割方法
注意力
融合特征
特征金字塔
通道注意力机制
流形学习方法
多模态