买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：基于改进MobileOne的轻量级无人机目标语义分割方法，首先，使用MobileOne轻量级骨干网络替代传统的xception模块，以降低参数量和提升计算效率。其次，引入金字塔池模块和EMA模块，以处理多尺度特征，增强模型对不同尺度目标的识别能力，特别是EMA模块通过跨维交互进一步聚合并行分支的输出特征，解决通道降维可能带来的副作用。同时，UAFM利用注意力模块生成权重，通过融合不同层级的特征图来提升分割精度。最后，通过模型压缩和加速技术，将优化后的模型高效部署在无人机的边缘处理器上。在算力受限且满足FPS大于30的实时要求下，与其他轻量化语义分割方法相比，提出的方法精度至少提升3.88%，准确度至少提高2.01%，优势显著。

主权项：1.基于改进MobileOne的轻量级无人机目标语义分割方法，其特征在于：该方法具体包括以下步骤：步骤1，使用小型无人机俯拍室外场景图像；步骤2，使用自动化图像标注软件对数据集进行标注，得到对应的标签图像；使用数据扩增技术对原始和标签图像同时进行扩增，得到数据集，再将数据集分为训练集、验证集、测试集；步骤3，构建并训练改进的轻量型Deeplabv3+模型，改进的轻量型Deeplabv3+模型包括骨干网络、多尺度融合网络和解码层网络；骨干网络引入轻量级网络MobileOne替换Deeplabv3+编码层中的Xception网络；步骤4，将步骤3中得到的最小尺寸特征图作为多尺度融合网络的输入，设计一个挤压激发简单金字塔模块SESP替换Deeplabv3+的空洞空间卷积池化金字塔模块ASPP用于多尺度特征融合；步骤5，设计基于高效多尺度注意力EMA的改进统一注意力融合模块UAFM构成分割网络的新解码层；解码层网络使用步骤4中得到的融合特征图依次与骨干网络中得到的特征图进行加权融合，最终通过3x3卷积有效提取特征和4倍上采样恢复分辨率得到分割结果；步骤6，将步骤2得到的训练集和验证集用来训练改进的轻量化Deeplabv3+网络模型，根据预测标签和原始标签，计算交叉熵损失函数，迭代更新分割模型参数，保留最优模型权重文件；步骤7，将测试集输入到训练好的改进的轻量型Deeplabv3+模型中，依次经过骨干网络、多尺度融合网络和解码层网络，得到无人机目标语义分割结果。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于改进MobileOne的轻量级无人机目标语义分割方法