摘要
本发明涉及计算机视觉领域,具体涉及一种基于YOLO11s改进的无人机小目标检测模型建立检测方法,建立YOLO11s‑UAV模型,该YOLO11s‑UAV模型是改进的YOLO11s模型,将YOLO11s模型的骨干网络中的最后一个下采样融合层删除,该下采样融合层包括Conv模块和C3k2模块,将YOLO11s模型的骨干网络中剩余的C3k2模块和YOLO11s模型的颈部网络中的C3k2模块都替换为可变简单无参数注意力机制模块,将YOLO11s模型的骨干网络中剩余的Conv模块替换为空间转深度残差卷积模块;将YOLO11s模型的颈部网络中的Upsample模块替换为内容感知特征重组上采样模块;将YOLO11s模型的骨干网络中的最后一个下采样融合层删除,使得整个网络保留更多小目标精细的特征信息,同时降低了模型的复杂度。
技术关键词
检测模型建立方法
注意力机制
感知特征
卷积模块
无人机
建立检测方法
拼接模块
深度残差
融合特征
上采样
内核
残差模块
参数
金字塔网络
交互特征
训练集
计算机视觉
图片
系统为您推荐了相关专利信息
显示检测方法
检测头
网络模块
表达式
深度特征信息
多尺度特征融合
分类器
集成学习策略
理赔系统
注意力机制
线路检测方法
无人机设备
模型剪枝
监督学习方法
协方差矩阵