摘要
本发明公开一种复杂背景下多尺度无人机小目标的检测方法,该方法包括:建立由多环境下无人机小目标图像构成的训练集;对YOLOv11主干网络中的C3k2模块进行改进,将训练集中的图像输入改进主干网络进行特征提取;使用颈部扩展的多层检测结构替换YOLOv11的颈部网络,将改进主干网络的输出结果输入颈部扩展的多层检测结构,获得四个不同尺度的检测特征图;在改进主干网络的第2层添加检测头使得改进的YOLOv11具有四个相同结构的检测头,将四个不同尺度的检测特征图同时分别输入四个相同结构的检测头中进行边界框回归和类别预测;构建组合损失函数Wise‑Inner‑SIoU;将训练好的改进的YOLOv11模型应用于多尺度无人机小目标的检测任务。
技术关键词
无人机
语义特征
检测结构
网络
图像
模块
注意力机制
检测头
空间金字塔池化
局部结构特征
融合特征
全局平均池化
通道
上下文特征
多尺度特征
训练集
尺寸
系统为您推荐了相关专利信息
施工机器人
点线特征
IMU信息
构建深度学习网络
误差模型
无源光设备
设备故障检测方法
光分路器
非易失性存储介质
异常状态
农业面源污染
污染源识别
贡献率
图谱
语义关系推理