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！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种基于PCRS‑YOLO网络的无人机航拍目标检测方法，包括如下步骤：步骤1、获取公开的无人机航拍图像数据集，并预处理；步骤2、配置模型训练环境；步骤3、构建PCRS‑YOLO网络模型；步骤4、将构建的PCRS‑YOLO网络模型加载至配置好的训练环境中，然后使用预先划分好的训练集和验证集对网络模型进行训练和验证；步骤5、将待检测的图像作为输入，通过训练并验证后的PCRS‑YOLO网络模型进行无人机航拍目标检测。该方法适用于无人机平台的小目标检测算法，解决复杂环境下小目标检测面临的误检、漏检、检测率低等问题，具有非常重要的现实意义。

主权项：1.一种基于PCRS-YOLO网络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1、获取公开的无人机航拍图像数据集，并预处理；步骤2、配置模型训练环境；步骤3、构建PCRS-YOLO网络模型，所述PCRS-YOLO网络模型以YOLOv8模型为基础网络，所述YOLOv8模型中的颈部网络采用四尺度特征融合结构，所述颈部网络中引入CGAFusion特征融合模块，所述颈部网络中插入Rep-CPCA注意力机制模块，所述检测头网络中的检测头替换为共享部分参数检测头；所述四尺度特征融合结构在YOLOv8原模型的基础上，首先通过将YOLOv8模型中Neck经过上采样输出的80×80特征图在经过一次上采样操作输出160×160的特征图，然后将其与YOLOv8网络中的Backbone中经过4倍下采样的浅层特征图进行拼接，生成了富含小目标信息的新特征图P2，最后，对P2以及由YOLOv8模型生成的特征图P3、P4和P5这四层特征图进行检测；所述颈部网络在四尺度特征融合结构的基础上，每个C2f模块后面都引入了一个CGAFusion特征融合模块；通过所述CGAFusion特征融合模块实现特征融合的方法为：将Neck中CGAFusion特征融合模块上一层C2f输出的深层特征与Backbone中C2f输出特征大小相同的浅层特征作为CGAFusion特征融合模块的输入，并对输入的浅层特征和深层特征进行相加操作，然后将相加得到的特征图X传入CGA模块计算其自适应权重并进行自适应融合；所述自适应融合公式表达式为：Ffuse＝C1×1Flow*W+Fhigh*1-W+Flow+Fhigh其中，C1×1表示1×1核大小的普通卷积，Flow表示浅层特征图，Fhigh表示深层特征图，表示CGA模块计算得到的权重，表示经过CGAFusion特征融合模块得到的新特征图；所述Rep-CPCA注意力机制模块包括CPCA和RepConv，并在四尺度特征融合结构生成的P2、P3和P4特征图后面各引入一个Rep-CPCA注意力机制模块，所述CPCA利用通道注意力机制，对传入Rep-CPCA注意力机制模块的特征图进行平均池化和最大池化操作得到聚合的空间信息，所述聚合的空间信息被送入一个共享的多层感知器，经过共享的多层感知器处理后，生成了一个通道注意力图，所述CPCA通过将传入Rep-CPCA注意力机制模块的特征图和通道注意力图的特征进行逐元素相乘，从而计算出通道先验，所述通道先验被送入深度卷积模块并转化为空间注意力图，在此基础上，将空间注意力图与1×1Conv进行通道混合，最终，通过将通道混合的结果与通道先验进行逐元素相乘输出优化后的特征图；然后通过RepConv的残差结构对原特征图进一步提取特征并将其得到的特征图与CPCA输出的特征图进行相加操作，补充丢失的原始信息；步骤4、将构建的PCRS-YOLO网络模型加载至配置好的训练环境中，并修改网络模型的参数文件，使用预先划分好的训练集和验证集对网络模型进行训练和验证；步骤5、将待检测的图像作为输入，通过训练并验证后的PCRS-YOLO网络模型进行无人机航拍目标检测。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于PCRS-YOLO网络的无人机航拍目标检测方法