[發(fā)明專利]一種基于YOLOv4的無人機場景檢測方法

在審

• 申請?zhí)枺?/td>: 202010921511.2
• 申請日: 2020-09-04
• 公開（公告）號: CN111985451A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計）人: 韓玉潔;曹杰;萬思鈺;劉琨
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 徐激波

1.一種基于YOLOv4的無人機場景檢測方法，其特征在于，所述方法包括：

S1、建立專有數(shù)據(jù)集；按照一定比例劃分訓(xùn)練集和測試集；

S2、建立網(wǎng)絡(luò)結(jié)構(gòu)，所述網(wǎng)絡(luò)結(jié)構(gòu)基于改進的YOLOv4網(wǎng)絡(luò)，以CSPdarknet53作為主干網(wǎng)絡(luò)，空間金字塔池化模塊和路徑聚合網(wǎng)絡(luò)模塊作為頸部，YOLOV3作為頭部預(yù)測輸出；

S3、首先使用ImageNet大型數(shù)據(jù)集對S2步驟中得到的網(wǎng)絡(luò)結(jié)構(gòu)進行訓(xùn)練，得到預(yù)訓(xùn)練模型，然后在對網(wǎng)絡(luò)結(jié)構(gòu)進行特定訓(xùn)練參數(shù)設(shè)定；

S4、使用訓(xùn)練集對預(yù)訓(xùn)練模型進行迭代訓(xùn)練，直到損失函數(shù)收斂，得到無人機場景檢測模型；

S5、使用上述測試集對無人機場景檢測模型進行測試，并且判斷是否符合要求，若不符合，繼續(xù)進行S4步驟，繼續(xù)進行迭代訓(xùn)練直到測試結(jié)果符合要求；

S6、輸出符合要求的無人機場景檢測模型；

S7、使用步驟S6中符合要求的無人機場景檢測模型對序列圖像進行目標(biāo)檢測，并且識別出無人機所處場景。

2.根據(jù)權(quán)利要求1所述的一種基于YOLOv4的無人機場景檢測方法，其特征在于，在所述步驟S1中，所述建立專有數(shù)據(jù)集，包括如下步驟：

S1.1、采集基礎(chǔ)數(shù)據(jù)樣本，所述基礎(chǔ)數(shù)據(jù)樣本，包括：截取自無人機拍攝視頻形成的圖片，以及截取自網(wǎng)絡(luò)上航拍數(shù)據(jù)集中的圖片；

所述圖片包括：含有汽車、船只、操場、籃球場、橋梁、港口六種目標(biāo)的圖片，以及不含有汽車、船只、操場、籃球場、橋梁、港口六種目標(biāo)的圖片；

S1.2、對所述基礎(chǔ)數(shù)據(jù)樣本中圖片的目標(biāo)進行標(biāo)簽，并將標(biāo)簽處理為YOLO網(wǎng)絡(luò)所需要的格式，所述標(biāo)簽包括：類別，中心點橫坐標(biāo)，中心點縱坐標(biāo)，目標(biāo)寬度和目標(biāo)長度；

S1.3、采用數(shù)據(jù)增強方法對經(jīng)過標(biāo)簽的圖片和未經(jīng)過標(biāo)簽的圖片進行擴充，得到專有數(shù)據(jù)集，所述專有數(shù)據(jù)集共有1000張圖片。

3.根據(jù)權(quán)利要求1所述的一種基于YOLOv4的無人機場景檢測方法，其特征在于，在所述步驟S1中，所述訓(xùn)練集和測試集的比例為：9:1。

4.根據(jù)權(quán)利要求1所述的一種基于YOLOv4的無人機場景檢測方法，其特征在于，在所述步驟S3中所述特定訓(xùn)練參數(shù)為：批次batch＝64，每張圖的大小為608x608，批次細分subdivision＝16，最大批次數(shù)為20000次，初始學(xué)習(xí)率為0.0013。

5.根據(jù)權(quán)利要求1所述的一種基于YOLOv4的無人機場景檢測方法，其特征在于，在所述步驟S4中，所述損失函數(shù)的收斂值為0.5。

6.根據(jù)權(quán)利要求1所述的一種基于YOLOv4的無人機場景檢測方法，其特征在于，在所述步驟S5中，所述符合要求是指對無人機場景檢測模型進行性能評估，mAP@0.5達到93.33％及以上。