摘要
本发明公开了一种基于ST‑YOLOv8n模型的无人机航拍地面目标检测方法,通过ST‑YOLOv8n模型进行地面目标检测。ST‑YOLOv8n模型中,ST‑C2f模块设计有双分支异构,局部分支以“3×3深度可分离卷积+7×7空洞卷积”抓小目标细节、扩感受野,全局分支用Swi nTransformer提全局特征;动态门控融合双分支特征,前置降维与通道分割减计算,参数量增15%,适配≥30FPS嵌入式需求。MD‑Head多维目标检测头中采用并行方式提取多尺度特征,语义引导对齐高层语义与基础特征、生成权重抑噪声,自适应加权增强目标区域,可提升抗干扰性。SD I oU损失函数通过引入对角距离平方与平均面积比的优化策略,可提升模型的定位精度和鲁棒性。
技术关键词
高层语义特征
多尺度感知
空间权重矩阵
全局平均池化
分支
无人机
航拍
动态门控
模块
地面
通道
局部细节特征
计算机
检测头
动态权重分配
融合特征
语义需求
注意力
系统为您推荐了相关专利信息
道路提取方法
影像
全色
深度卷积神经网络
多光谱
胃肠内窥镜
图像分类系统
高层语义特征
通道注意力机制
分类网络
图像增强模块
退化模型
生成对抗网络
对抗性
直方图均衡化