申请/专利权人：广州市图南软件科技有限公司;广东行政职业学院;广东外语外贸大学

申请日：2024-01-20

公开（公告）日：2024-04-12

公开（公告）号：CN117876905A

主分类号：G06V20/17

分类号：G06V20/17;G06V10/764;G06V10/82;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种快速高准确度的无人机航拍目标检测方法，涉及人工智能技术领域，该方法公开了针对无人机图像由于距离过远，像素过高，背景复杂，目标较小，对YOLOV8网络模型进行改进，方法的主要内容包括构建轻量化骨干网络、样品数据增强、引入注意力机制、预测函数改进和预测优化，本方法在应用于城市违章建筑发现方便，取得了显著的效果，YOLO‑EMA提高了模型检测速度，提升程度为16％，平均精度相比YOLOv8算法提高了7.8％。

主权项：1.一种快速高准确度的无人机航拍目标检测方法，其特征在于，包括如下步骤：步骤一：使用SCConv替代YoloV8中的卷积；步骤二：在训练前先将训练数据图片4000*3000的样本随机切割成20张1080*1080的样本，再使用Stitcher数据增强，Stitcher将同一批次四张图缩小到同一大小，然后拼接成一张图片；步骤三：引入EMA，优化CNN主干架构，形成EMA注意力机制，多尺度并行子网络来建立短和长依赖关系；步骤四：训练算法采用损失函数，使用的分类损失为PFLLoss，将回归损失设置为CIOULoss+PFL的形式，Reg_max默认为8，其中：如上述公式所示，p是label，正样本时q为norm_align_metric计算出的值，负样本时p＝0，PFL将坐标回归的单个值更改成输出n+1个值，每个值表示对应回归距离的概率，然后利用分段函数获得最终的回归距离，VFL是将框的位置建模成一个分段分布，让网络快速的聚焦于和目标位置距离近的位置的分布，PFLSi,Si+1＝-yi+1-ylogSi+y-yilogSi+1；步骤五：在预测阶段，对候选区域进行下采样，随后对下采样后的图像进行预测，对于每个目标块类的矩形框区域图像二值化，然后计算包含黑点的面积，检测当前面积的占比值是否大于指定域值。

全文数据：

权利要求：

百度查询： 广州市图南软件科技有限公司;广东行政职业学院;广东外语外贸大学 一种快速高准确度的无人机航拍目标检测方法

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