【技术实现步骤摘要】
一种基于轻量级特征融合的无人机目标检测方法
[0001]本专利技术涉及目标检测
,更具体地,涉及一种基于轻量级特征融合的无人机目标检测方法。
技术介绍
[0002]随着深度学习的不断发展,目标检测领域成为了时下最热门的研究方向之一。目标检测算法可以应用于交通领域,工业检测,人脸识别,军事监测等对现实生活中具有重大意义的场景。目前常见的目标检测算法通常分为双阶段目标检测算法以及单阶段目标检测算法。双阶段检测算法首先生成候选区域并在候选区域进行目标预选框的提取,之后同时对检测类别与目标区域定位分别进行分类与预测,其优点是目标检测平均精度高、错检率和漏检率低,但是其模型参数量多、计算量大,难以达到实时性要求,主要以Fast R
‑
CNN、Faster R
‑
CNN为代表。单阶段检测算法以YOLO系列算法以及SSD算法等为代表,单阶段检测算法直接将特征提取与预测框的定位融合在一起,具有检测速度快、模型复杂度低易于部署等优点,能够满足实时检测的需求。
[0003]相比目前的通用目标检测算法具有的视野范围小,检测目标横向阻挡多,视野转换困难等缺点,无人机目标检测不仅具有高空视野横向无遮挡,监测范围广阔,快速转换视角等优势,还可以应用于军事及各种危险场景中进行目标检测,能够使目标检测算法的应用更具有安全性,因此目前基于无人机航拍图像的目标检测算法已经成为了一个研究热点。
[0004]然而无人机航拍图像也具有目标尺寸小、背景复杂、图像外观模糊等一系列问题导致检测精度下降。其中 ...
【技术保护点】
【技术特征摘要】
1.一种基于轻量级特征融合的无人机目标检测方法,其特征在于:所述方法包括:步骤1,获取训练数据集,所述训练数据集包括无人机航拍小目标公开数据集;步骤2,对训练数据集的图片尺寸进行预处理,并进行马赛克数据增强,将训练数据集中任意取若干张图片进行随机分割、翻转,然后将翻转,之后将图片分别放置在对应分割位置上,最终对图片进行色域变换以及仿射变换,得到训练样本;步骤3,基于所述训练样本,调整网络训练的候选框的尺寸,并计算出每个特征提取层预测所需要的最佳候选框个数;步骤4,将所述训练样本作为输入图像,通过CBL模块中的3
×
3卷积模块分别对输入图像进行语义特征信息提取,并最终将提取特征的通道信息增长至64维度,使用CBL模块中的Batch Normalization层对提取的特征进行规范化处理;最终使用CBL模块中的LeakyRelu激活函数增强网络模型的非线性因素;步骤5,利用三个CSP残差模块CSPBlockl,CSPBlock2,CSPBlock3,对图像信息特征进行提取,其中分别输出中间层CSPBlock2,CSPBlock3的两个特征层,分别为第二特征层和第三特征层;步骤6,基于注意力机制,分别对步骤5输出的第二特征层和第三特征层进行注意力权重分配更新第二特征层和第三特征层;步骤7,采用特征融合模块对第三特征层进行不同尺度的感受野信息融合,更新第三特征层;步骤8,对提取的特征层信息进行特征再提取,生成第一特征层,并更新第二特征层和第三特征层;步骤9,对所述第一特征层、第二特征层以及第三特征层进行最终预测解析;步骤10,调试从所述步骤4到步骤9的网络结构超参数,设置网络模型参数,以对网络模型进行训练,得到最终的训练模型。2.根据权利要求1所述的基于轻量级特征融合的无人机目标检测方法,其特征在于,所述对训练数据集的图片尺寸进行预处理,包括:将训练数据集的图片大小调整至640
×
640像素。3.根据权利要求1所述的基于轻量级特征融合的无人机目标检测方法,其特征在于,所述步骤7,采用特征融合模块对第三特征层进行不同尺度的感受野信息融合,更新第三特征层,具体包括:步骤7
‑
1,针对步骤6得到的第三特征层的特征信息使用三个卷积组成的ThreeConv对其进行特征再提取,首先使用1
×
1大小的卷积核对第三特征层进行降维处理,然后使用3
×
3深度可分离卷积进行特征提取,最后使用1
×
1的卷积调整输出的特征层维度更新第三特征层;步骤7
‑
2,基于级联特征提取模块SPPF,所述SPPF模块由三个5
×
5大小的最大池化层级联构成,分别生成了尺寸为5
×
5、9
×
9、13
×
13的最大池化层一样的感受野信息,将更新后的第三特征层通过SPPF模块进行特征再提取,并且将每个池化层上的输出特征以及SPPF模块的输入特征信息进行Concat拼接,进一步更新第三特征层;步骤7
‑
3,使用ThreeConv对更新后的第三特征层进行特征再提取,最终使用ThreeConv中1
×
1的卷积调整输出的特征层维度,进一步更新第三特征层。
4.根据权利要求1所述的基于轻量级特征融合的无人机目标检测方法,其特征在于,所述步骤8,对提取的特征层信息进行特征再提取,生成第一特征层,并更新第二特征层和第三特征层;具体包括:步骤8
‑
1,在网络主干提取模块新增一个下采样的特征提取层,基于注意力机制对空间以...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。