申请/专利权人：西北工业大学

申请日：2023-11-24

公开（公告）日：2024-03-12

公开（公告）号：CN117690046A

主分类号：G06V20/17

分类号：G06V20/17;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06V10/42;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及一种基于改进YOLOv5的固定翼无人机高空俯拍机场跑道目标检测方法，属于无人机目标检测领域。获取机场跑道图像作为数据集，将数据集分为训练集和验证集，对数据集使用roLabelImg对图像中的目标进行旋转框标定；根据数据集计算预定义锚框，将预定义锚框和训练集输入改进YOLOv5网络模型进行训练；将改进YOLOv5网络模型的输出预测框与旋转框进行比对，使用损失函数计算差距后再反向更新，不断迭代参数来获取最优的锚框值；将验证集输入到训练好的改进YOLOv5网络模型进行目标检测。本发明轻量化YOLOv5的骨干网络结构为ShuffleNetV2，改变目标检测采取的边框标注方式水平框改为旋转框，减少网络训练时的冗余信息就越少，提高固定翼无人机在自主着陆时对目标检测速度及精度的方法。

主权项：1.一种基于改进YOLOv5的固定翼无人机高空俯拍机场跑道目标检测方法，其特征在于，包括：获取机场跑道图像作为数据集，将所述数据集分为训练集和验证集，对所述数据集使用roLabelImg工具对图像中的目标进行旋转框标定；根据数据集计算预定义锚框，将所述预定义锚框和所述训练集输入改进YOLOv5网络模型进行训练；所述改进YOLOv5网络模型把骨干网络CSPDarknet53替换为轻量化网络ShuffleNetV2；将所述改进YOLOv5网络模型的输出预测框与旋转框进行比对，使用损失函数计算差距后再反向更新，不断迭代参数来获取最优的锚框值；将所述验证集输入到训练好的所述改进YOLOv5网络模型进行目标检测。

全文数据：

权利要求：

百度查询： 西北工业大学 基于改进YOLOv5的固定翼无人机高空俯拍机场跑道目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD