[發(fā)明專利]一種基于YOLOv5網(wǎng)絡(luò)的無人機(jī)目標(biāo)檢測模型

在審

• 申請?zhí)枺?/td>: 202210253316.6
• 申請日: 2022-03-15
• 公開（公告）號: CN114612835A
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計）人: 尚源峰;吳瑞康;劉暢;周一青;石晶林
• 申請（專利權(quán)）人: 中國科學(xué)院計算技術(shù)研究所
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/80;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京泛華偉業(yè)知識產(chǎn)權(quán)代理有限公司 11280
• 代理人: 王勇

本發(fā)明實施例提供了一種基于YOLOv5網(wǎng)絡(luò)的無人機(jī)目標(biāo)檢測模型，該模型包括：主干模塊，用于對輸入圖像進(jìn)行多次下采樣，得到多個不同尺度的特征圖；頸部模塊，用于基于主干模塊得到的不同尺度的特征圖進(jìn)行多次上采樣和特征融合，輸出多個不同尺度的檢測特征圖，其中，相比原始的YOLOv5網(wǎng)絡(luò)，頸部模塊的輸出增加一個相比于原始的YOLOv5網(wǎng)絡(luò)中最大尺度的檢測特征圖更大的新檢測特征圖，并減少一個最小尺度的檢測特征圖；預(yù)測模塊，用于根據(jù)頸部模塊輸出的多個檢測特征圖進(jìn)行無人機(jī)目標(biāo)預(yù)測，得到目標(biāo)的預(yù)測位置信息和分類結(jié)果，其中，分類的類別包括無人機(jī)類和非無人機(jī)類。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)和視頻監(jiān)控領(lǐng)域，具體來說，涉及一種基于 YOLOv5網(wǎng)絡(luò)的無人機(jī)目標(biāo)檢測模型。

背景技術(shù)

2015-2020年，我國民用無人機(jī)市場整體規(guī)模從24億元預(yù)計增長到361億元，年復(fù)合增長率為72％。在快速增長的無人機(jī)市場的背后，隨之而來的是不斷增長的低空安防隱患。

目前現(xiàn)有的低空安防方案大多是利用無線電探測技術(shù)對無人機(jī)進(jìn)行檢測，即通過頻段來探測是否有無人機(jī)的出現(xiàn)，然后通過光電系統(tǒng)來對目標(biāo)進(jìn)行跟蹤檢測。對于那些保持靜默飛行的無人機(jī)，無線電探測技術(shù)無法檢測，通常需要額外通過雷達(dá)進(jìn)行檢測。若使用雷達(dá)探測靜默飛行的無人機(jī)，一來成本太高，二來其龐大的體積限制部署環(huán)境。同時這些技術(shù)設(shè)備的安裝使用都有嚴(yán)格的要求，無法滿足快速部署的要求。此外該技術(shù)設(shè)備無法滿足實時端到端輸出，需要配合光電設(shè)備進(jìn)行跟蹤檢測。這些缺點都無法滿足實時快速準(zhǔn)確的無人機(jī)檢測要求。

然而隨著人工智能技術(shù)的發(fā)展，現(xiàn)有的低空安防方案已經(jīng)不能滿足當(dāng)前日益增長的低空安防需要，現(xiàn)在的低空安防急需一種端到端快速實時的檢測方案，但現(xiàn)有的檢測設(shè)備體積臃腫，部署條件苛刻，尤其是在城市里這種電磁環(huán)境復(fù)雜的環(huán)境下，檢測精度被大幅度抑制，同時操作復(fù)雜，無法做到實時端到端輸出。另外，由于無人機(jī)在高速低空飛行時，會帶來密集目標(biāo)的運動模糊，在無人機(jī)進(jìn)行不同高度飛行，目標(biāo)尺度變化較大導(dǎo)致檢測效果不準(zhǔn)確等問題，均給檢測設(shè)備的優(yōu)化帶來了很大的負(fù)擔(dān)。特別是飛行在空中的無人機(jī)距離檢測設(shè)備一般較遠(yuǎn)，致使檢測設(shè)備獲取到的目標(biāo)過于渺小，對微小目標(biāo)的無人機(jī)的檢測精度不高，若將檢測設(shè)備結(jié)合人工智能技術(shù)、深度學(xué)習(xí)方法，以目標(biāo)檢測算法為基礎(chǔ)進(jìn)行優(yōu)化以檢測微小目標(biāo)的無人機(jī)，又會為設(shè)備增加極大的計算量和成本。

因此，亟需一種既能降低檢測設(shè)備體積大小并實現(xiàn)實時端到端輸出，又能在保障檢測精度的前提下，提高針對微小目標(biāo)無人機(jī)的檢測性能，同時，還能在一定程度上維持或降低相應(yīng)計算量和成本的目標(biāo)檢測模型。

發(fā)明內(nèi)容

因此，本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提供一種基于 YOLOv5網(wǎng)絡(luò)的無人機(jī)目標(biāo)檢測模型。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

根據(jù)本發(fā)明的第一方面，提供一種基于YOLOv5網(wǎng)絡(luò)的無人機(jī)目標(biāo)檢測模型，所述模型包括：主干模塊，用于對輸入圖像進(jìn)行多次下采樣，得到多個不同尺度的特征圖；頸部模塊，用于基于主干模塊得到的不同尺度的特征圖進(jìn)行多次上采樣和特征融合，輸出多個不同尺度的檢測特征圖，其中，相比原始的YOLOv5網(wǎng)絡(luò)，頸部模塊的輸出增加一個相比于原始的 YOLOv5網(wǎng)絡(luò)中最大尺度的檢測特征圖更大的新檢測特征圖，并減少一個最小尺度的檢測特征圖；預(yù)測模塊，用于根據(jù)頸部模塊輸出的多個檢測特征圖進(jìn)行無人機(jī)目標(biāo)預(yù)測，得到目標(biāo)的預(yù)測位置信息和分類結(jié)果，其中，分類的類別包括無人機(jī)類和非無人機(jī)類。

在本發(fā)明的一些實施例中，相比于原始的YOLOv5，在頸部模塊增加了生成新檢測特征圖所需的分支網(wǎng)絡(luò)。

在本發(fā)明的一些實施例中，相比于原始的YOLOv5網(wǎng)絡(luò)，該模型的頸部模塊首個上采樣層的輸入數(shù)據(jù)不流向路徑聚合網(wǎng)絡(luò)，并減少了生成最小尺度的檢測特征圖。