一种无人机航拍下小目标的检测方法

本发明涉及人工智能，尤其涉及一种无人机航拍下小目标的检测方法。

背景技术：

1、随着技术的不断发展，目标检测在许多实际领域都得到了广泛的应用，比如智能汽车、机器人视觉、高清摄像头监控等。无人机技术是帮助实现智慧生活和智慧城市建设的基础技术。其近年来的蓬勃发展也增加了无人机在人们生活中的存在感，在物流、运输、摄影等领域的应用越来越多。

2、现有技术中，陈等人通过在yolov5网络结构上增加一个尺寸为160×160的小目标检测头，并将其与高层网络进行残差连接，同时在conv模块中引入深度可分离卷积算法，可以有效地替代普通卷积，从而大幅减少模型的体积，提高模型的性能和准确性。提高小目标检测能力。刘等人提出一种改进yolov5s小目标检测方法，重新聚类锚框，更改骨干网络结构，在空间金字塔池化层增加卷积，融合解耦检测头等提高小目标检测性能。崔等人提出了一种基于改进yolov7的目标检测模型，在主干网络中引入repvgg轻量化网络，将cbam卷积注意力机制插入到主干网络和特征融合网络之间，通过实时、高精度的技术，能够在复杂环境中准确地定位小型无人机。hong等人提出了一种实时无人机跟踪方案，使用5g网络将无人机监控图像传输到云端，并采用机器学习算法来检测和跟踪多个目标，优化了目标探测器yolo4的网络结构，改进了目标跟踪器deepsort，采用了探测跟踪模式。wu等人从基于深度学习模型的角度提供了三个研究主题的解决方案：来自图像的对象检测、来自视频的对象检测以及来自视频的对象跟踪。开放的数据集无人机主导的目标检测和跟踪用尽，和四个基准数据集的性能评估。zhu等人提供了一个强大的无人机捕获数据库visdrone，可以满足各种需求。这些数据是在中国从北到南的14个不一样的城市或者郊区中的捕获得到的。它包括四个轨迹，即(1)图像对象检测(2)视频对象检测(3)单对象跟踪以及(4)多对象跟踪。全面回顾目标检测和跟踪数据集以及基准，并讨论了收集大规模基于无人机的目标检测和跟踪数据集的挑战。之后描述了visdrone数据集针对无人机航拍环境中图像对比度低、尺寸小、数量多的问题等。geraldes等人开发了一种基于无人机的态势感知系统--人物行动定位器(pal)。pal系统通过分析无人机上的视频馈送来解决第一个问题，该无人机由一个模块上的超级计算机供电。

3、目前，yolo目标检测算法的核心在于模型的体积小、运算速度快。yolo的结构很简单。它可以直接通过神经网络输出包围盒的位置和类别。yolo的速度很快，因为yolo只需要将图片放进网络就可以得到最终的检测结果，所以yolo还可以实现视频的时间检测。yolo直接使用全局图像进行检测，可以对全局信息进行编码，减少将背景作为对象检测的误差。yolo具有很强的泛化能力，由于yolo可以学习高程度泛化的特征并将它应用在其他的领域中。

4、因此，提出一种无人机航拍下小目标的检测方法，通过改进模型提升小目标的检测效果，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种无人机航拍下小目标的检测方法，用于解决现有技术中存在的技术问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种无人机航拍下小目标的检测方法，包括以下步骤：

4、s1.获取无人机航拍数据；

5、s2.对获取的无人机航拍数据进行预处理，得到预处理后的数据；

6、s3.将预处理后的数据划分为训练集、测试集和验证集；

7、s4.对yolov8n模型进行改进，得到改进yolov8n模型；

8、s5.利用训练集对改进yolov8n模型进行迭代训练，利用训练后的改进yolov8n模型对测试集进行测试；

9、s6.利用验证集对改进yolov8n模型进行有效性验证，得到改进yolov8n模型对无人机航拍数据的小目标检测的识别结果。

10、上述的方法，可选的，s1中从coklu deneme数据集中获取无人机航拍数据。

11、上述的方法，可选的，s2中利用合成雾增强算法对获取的无人机航拍数据进行预处理。

12、上述的方法，可选的，s3中数据按照87％、10％和3％的比例，将数据集划分为训练集、验证集和测试集。

13、上述的方法，可选的，s4中对yolov8n模型进行改进的具体内容为：

14、引入了gce-yolo算法改进了yolov8n结构；增加了p2小目标检测层改进了浅特征图与深特征图的拼接融合处理；引入了通道注意力机制senet模型对每个通道的权重进行重新校准；引入了efficiciou loss损失函数度量目标框间的重叠程度。

15、上述的方法，可选的，s6中采用了对比实验、消融实验和yolo系列目标检测算法对改进yolov8n模型进行有效性验证。

16、经由上述的技术方案可知，与现有技术相比，本发明具有以下有益效果：

17、(1)增加p2小目标检测层，提高小目标检测效果。提出在与深度特征图合并后，增加一个p2小目标检测层来检测浅特征图。加入p2小目标检测层，可以让网络更加关注小目标的检测，提高检测效果。

18、(2)使用了seattention可以对每个通道的重要性进行动态的加权，使得网络能够更好地关注有用通道。通道注意力可以被插入到神经网络的不同层中，从而帮助网络在不同层次的特征提取中更加准确和有效。通过这种方式，seattention能够帮助神经网络在学习过程中更加自适应地关注重要的通道特征，提升模型的性能和泛化能力。

19、(3)使用efficiciou loss作为边界框损失函数，增强预测帧调整并加快帧回归率，加快网络模型收敛，减少了无人机航拍下密集情况下小目标的漏检误检的情况。

1.一种无人机航拍下小目标的检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种无人机航拍下小目标的检测方法，其特征在于，

3.根据权利要求1所述的一种无人机航拍下小目标的检测方法，其特征在于，

4.根据权利要求1所述的一种无人机航拍下小目标的检测方法，其特征在于，

5.根据权利要求1所述的一种无人机航拍下小目标的检测方法，其特征在于，

6.根据权利要求1所述的一种无人机航拍下小目标的检测方法，其特征在于，