【技术实现步骤摘要】
本专利技术属于数字图像处理，具体涉及一种无人机图像的小目标检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、随着无人机技术的发展，目前无人机已广泛应用在日常生活中的各行各业，通过拓展无人机本身的用途，扩展无人机的应用领域。无人机在飞行的过程中，可通过自身内设的图像采集设备以俯拍或者是斜拍的方式进行无人机视角的图像采集；通过无人机对所采集到的图像进行分析处理，完成无人机的目标检测识别。
3、据专利技术人了解，目前可采用深度学习进行目标检测识别，所采用的目标检测识别方法主要分为两类：一类是基于两阶段的目标检测方法，如r-cnn、fast r-cnn、faster r-cnn；另一类是基于单阶段的目标检测方法，如ssd和yolo系列；因单阶段目标检测方法只需一次提取特征即可实现目标检测，其速度比两阶段快，因此单阶段目标检测方法被广泛应用在目标检测识别中。
4、yolo系列算法凭借其自身的准确性、轻量化设计、易于拓展的优势，广泛应用于目标检测识别的单阶段目标检测中；在目标检测识别的过程中，通过采用多特征融合技术，解决图像语义特征提取与目标尺度之间的矛盾，增强图像特征提取和分类能力；但是，基于yolo系列算法进行无人机航拍图像中小目标的检测识别的准确率和精度效果不佳。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种无人机图像的小目标检测方法及系统，通过对目标检测模型的改进，实现无人机
2、根据一些实施例，本专利技术的第一方案提供了一种无人机图像的小目标检测方法，采用如下技术方案：
3、一种无人机图像的小目标检测方法，包括：
4、获取无人机航拍图像；
5、根据所获取的无人机航拍图像和预设的目标检测模型进行目标检测，得到目标检测结果，完成无人机图像的小目标检测识别；
6、其中，所述目标检测模型采用改进的yolov8算法，在yolov8的主干网络中引入空间深度转换卷积替换跨步卷积层提取所获取图像的多尺度图像特征，采用所述主干网络中的快速空间金字塔池化模块处理所获取的多尺度图像特征，得到小目标图像特征；基于所述主干网络对所得到的无人机小目标图像特征进行处理，得到不同深度维度的无人机小目标图像特征图，将所得到的不同深度维度的无人机小目标图像特征图沿深度维度拼接，得到目标检测结果。
7、作为进一步的技术限定，在基于所述主干网络对所得到的无人机小目标图像特征进行处理的过程中，将主干网络对应层的无人机小目标图像特征图、主干网络底层无人机小目标图像特征图和主干网络高层无人机小目标图像特征图沿深度维度拼接，将网络特征与底层特征相结合，得到目标检测结果。
8、作为进一步的技术限定，所述目标检测模型的主干网络中的head部分设置有用于小目标探测的探测头，切断大目标检测头和冗余网络特征层，减少网络参数数量。
9、作为进一步的技术限定，以表示目标检测模型检测正确比例的精度为纵坐标，以表示目标检测模型成功检测出的目标占总目标的比例的召回率为横坐标，绘制二维pr曲线；通过计算所绘制的二维pr曲线与横坐标轴之间的面积，得到平均精度；采用所得到的平均精度作为衡量指标，评价所述目标检测模型的检测效果。
10、进一步的，当所得到的平均精度的数值越大时，所采用的目标检测模型的目标检测效果越优。
11、作为进一步的技术限定，在提取所获取图像的多尺度图像特征的过程中，将所获取的无人机航拍图像进行预处理，得到无人机航拍特征图；将所得到的无人机航拍特征图划分成若干个无人机航拍特征子图，将划分后的无人机航拍特征子图沿通道方向拼接，得到新的无人机航拍特征图；对基于不同层的空间深度转换卷积所提取到的新的无人机航拍特征图进行特征融合，得到多尺度图像特征。
12、根据一些实施例，本专利技术的第二方案提供了一种无人机图像的小目标检测系统，采用如下技术方案：
13、一种无人机图像的小目标检测系统，包括：
14、获取模块，其被配置为获取无人机航拍图像；
15、检测模块，其被配置为根据所获取的无人机航拍图像和预设的目标检测模型进行目标检测，得到目标检测结果，完成无人机图像的小目标检测识别；
16、其中，所述目标检测模型采用改进的yolov8算法，在yolov8的主干网络中引入空间深度转换卷积替换跨步卷积层提取所获取图像的多尺度图像特征，采用所述主干网络中的快速空间金字塔池化模块处理所获取的多尺度图像特征，得到小目标图像特征；基于所述主干网络对所得到的无人机小目标图像特征进行处理，得到不同深度维度的无人机小目标图像特征图，将所得到的不同深度维度的无人机小目标图像特征图沿深度维度拼接，得到目标检测结果。
17、根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
18、一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方案所述的无人机图像的小目标检测方法中的步骤。
19、根据一些实施例，本专利技术的第四方案提供了一种电子设备，采用如下技术方案：
20、一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方案所述的无人机图像的小目标检测方法中的步骤。
21、根据一些实施例，本专利技术的第五方案提供了一种计算机程序产品，采用如下技术方案：
22、一种计算机程序产品，包括软件代码，所述软件代码中的程序执行如本专利技术第一方案所述的无人机图像的小目标检测方法中的步骤。
23、与现有技术相比，本专利技术的有益效果为：
24、本专利技术采用改进的yolov8算法，在yolov8的主干网络中引入空间深度转换卷积替换跨步卷积层，采用所述主干网络中的快速空间金字塔池化模块处理所获取的多尺度图像特征，得到小目标图像特征；基于所述主干网络对所得到的无人机小目标图像特征进行处理，得到不同深度维度的无人机小目标图像特征图，将所得到的不同深度维度的无人机小目标图像特征图沿深度维度拼接，得到目标检测结果；实现了对无人机航拍图像中的各类小目标的精准检测识别，有效提高无人机图像小目标检测的效果。
本文档来自技高网...【技术保护点】
1.一种无人机图像的小目标检测方法，其特征在于，包括：
2.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，在基于所述主干网络对所得到的无人机小目标图像特征进行处理的过程中，将主干网络对应层的无人机小目标图像特征图、主干网络底层无人机小目标图像特征图和主干网络高层无人机小目标图像特征图沿深度维度拼接，将网络特征与底层特征相结合，得到目标检测结果。
3.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，所述目标检测模型的主干网络中的Head部分设置有用于小目标探测的探测头，切断大目标检测头和冗余网络特征层，减少网络参数数量。
4.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，以表示目标检测模型检测正确比例的精度为纵坐标，以表示目标检测模型成功检测出的目标占总目标的比例的召回率为横坐标，绘制二维PR曲线；通过计算所绘制的二维PR曲线与横坐标轴之间的面积，得到平均精度；采用所得到的平均精度作为衡量指标，评价所述目标检测模型的检测效果。
5.如权利要求4中所述的一种无人机图像的小目标检测方法，
6.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，在提取所获取图像的多尺度图像特征的过程中，将所获取的无人机航拍图像进行预处理，得到无人机航拍特征图；将所得到的无人机航拍特征图划分成若干个无人机航拍特征子图，将划分后的无人机航拍特征子图沿通道方向拼接，得到新的无人机航拍特征图；对基于不同层的空间深度转换卷积所提取到的新的无人机航拍特征图进行特征融合，得到多尺度图像特征。
7.一种无人机图像的小目标检测系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-6中任一项所述的无人机图像的小目标检测方法的步骤。
9.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-6中任一项所述的无人机图像的小目标检测方法的步骤。
10.一种计算机程序产品，包括软件代码，其特征在于，所述软件代码中的程序执行如权利要求1-6中任一项所述的无人机图像的小目标检测方法的步骤。
...【技术特征摘要】
1.一种无人机图像的小目标检测方法，其特征在于，包括：
2.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，在基于所述主干网络对所得到的无人机小目标图像特征进行处理的过程中，将主干网络对应层的无人机小目标图像特征图、主干网络底层无人机小目标图像特征图和主干网络高层无人机小目标图像特征图沿深度维度拼接，将网络特征与底层特征相结合，得到目标检测结果。
3.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，所述目标检测模型的主干网络中的head部分设置有用于小目标探测的探测头，切断大目标检测头和冗余网络特征层，减少网络参数数量。
4.如权利要求1中所述的一种无人机图像的小目标检测方法，其特征在于，以表示目标检测模型检测正确比例的精度为纵坐标，以表示目标检测模型成功检测出的目标占总目标的比例的召回率为横坐标，绘制二维pr曲线；通过计算所绘制的二维pr曲线与横坐标轴之间的面积，得到平均精度；采用所得到的平均精度作为衡量指标，评价所述目标检测模型的检测效果。
5.如权利要求4中所述的一种无人机图像的小目标检测方法，其特征在于，当所得到的平均精度的数值越大时...
【专利技术属性】
技术研发人员：渠金龙，李奇，潘杰，吴海涛，孙明正，刘冲，周英，逯行政，魏宏伟，朱宏亮，张昊泽，徐鑫，陈俊美，杨杰，张亦卓，董晓晗，亓立壮，李延港，李勇，翟飞，付紫颐，马学智，韩星，
申请(专利权)人：齐鲁空天信息研究院，
类型：发明
国别省市：
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。