[發明專利]基于多尺度特征融合的無人機航拍圖像目標檢測方法

在審

• 申請號: 202211067311.0
• 申請日: 2022-09-01
• 公開（公告）號: CN116071668A
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 黃同愿;朱金江;譚禹
• 申請（專利權）人: 重慶理工大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/80;G06V10/82;G06V10/26;G06N3/048;G06N3/0464;G06N3/08
• 代理公司: 重慶智誠達邦專利代理事務所(普通合伙) 50289
• 代理人: 龔世妍

1.基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于，所述方法包括：

步驟1：數據獲取與數據預處理；

步驟2：構建基于注意力機制和多尺度特征融合的改進YOLOV4模型；

步驟3：替換更合適的h-swish激活函數，然后在VisDrone訓練集上對搭建好的改進YOLOV4模型進行訓練，同時保存最優模型以進行預測；

步驟4：將VisDrone驗證集輸入訓練好的最優模型中進行預測，保存預測結果，獲取評價指標，最后進行結果對比。

2.根據權利要求1所述的基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于：所述步驟1中，對獲取的公開數據集進行預處理，用于對數據集進行擴充以提高對小目標的檢測性能，并且在一定程度上去除噪聲干擾。

3.根據權利要求2所述的基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于：在骨干網絡和頸部網絡用h-swish激活函數替換Mish激活函數和Relu激活函數，增加模型的表現能力和減少參數量。

4.根據權利要求3所述的基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于：在骨干網絡瓶頸層加入注意力機制(Coordinate?Attention)，使模型更關注位置信息，從而增加模型特征的表達能力，并抑制背景噪聲的干擾。

5.根據權利要求4所述的基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于：提出了一種特征金字塔網絡(Blur-PANet)，通過去除PANet的冗余節點和添加額外的連接，并使用BlurPool取代下采樣方式，減少下采樣過程中特征的丟失，從而有效地融合多層特征。

6.根據權利要求5所述的基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于：構建好模型后，在VisDrone訓練集上對搭建的改進YOLOV4模型進行訓練，保存最優模型，以進行預測。

7.根據權利要求6所述的基于多尺度特征融合的無人機航拍圖像目標檢測方法，其特征在于：將VisDrone驗證集輸入訓練好的最優模型中進行預測，保存預測結果，獲取評價指標，最后進行結果對比。