摘要
本发明公开了一种基于YOLOv8的无人机巡检火灾目标检测方法,该方法包括:S1:获取公开的目标检测数据集并预处理,得到训练集;将数据集按8:2比例划分为训练集与测试集,保留YOLOv8默认数据增强策略;S2:构建以YOLOv8网络作为基础网络的GMMS‑YOLO网络;其中,在主干网络中加入GLMM模块,提出C2f_MSDSA模块,并将其替换头部网络P5特征融合层的传统C2f模块;S3:应用步骤S1得到的训练集训练GMMS‑YOLO网络,得到GMMS‑YOLO模型;S4:将待检测的图像输入GMMS‑YOLO模型中进行目标检测。本发明通过引入全局感知机制,有效解决了现有技术在复杂场景中因感受野受限导致的检测精度不足问题,提升目标检测性能。
技术关键词
YOLO模型
无人机巡检
网络
替换头部
模块
训练集
混合单元
空间拓扑结构
权重分配机制
多尺度特征提取
动态权重分配
横向特征
多模态特征
通道
注意力机制
火灾
级联式
融合特征
系统为您推荐了相关专利信息
局部轨迹规划方法
动态障碍物
长短期记忆网络
动态规划方法
扩展随机树
运动诱发电位
神经网络模型
多模态数据融合
弥散张量成像数据
纤维束
电力负荷预测装置
多通道
数据收集模块
电力负荷预测方法
格式化
状态更新
命令
循环冗余校验值
速度
存储计算机程序