无人机航拍场景中的目标检测系统、无人机航拍系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114973026A(43)申请公布日2022.08.30(21)申请号202210491338.6G06N3/063(2006.01)(22)申请日2022.05.07G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人桂林航天工业学院G06N5/04(2006.01)地址541004广西壮族自治区桂林市金鸡G06V20/52(2022.01)路2号(72)发明人饶雪峰王如月李勋章曲会晨赵全友魏士伟黄海生黎满黄鼎铭(74)专利代理机构苏州德萃知识产权代理有限公司32629专利代理师刘淑花(51)Int.Cl.G06V20/17(2022.01)G06V10/82(2022.01)G06V10/762(2022.01)权利要求书2页说明书7页附图4页(54)发明名称无人机航拍场景中的目标检测系统、无人机航拍系统(57)摘要本发明公开了一种无人机航拍场景中的目标检测系统、无人机航拍系统。为了解决现有技术中无人机航拍无法同时满足实时性和高精度的技术问题，本发明提出的神经网络中，包括主干网络、颈部网络和头部网络，其中主干网络包含了CBAM注意力机制模块和SiLU激活函数，这有助于提高了检测精度，同时全新的主干网络还减小了网络模型的参数量,大幅度提高了检测速度；结合航拍任务数据集VisDrone的特性，优化了先验框尺寸，使用了Mosaic、高斯模糊等数据增强方法，进一步提高了检测效果。本发明解决了无人航拍系统中的精度和实时性问题，实现了高精度和高实时性目标检测的技术效果。本发明适用于无人机航拍领域。CN114973026ACN114973026A权利要求书1/2页1.一种无人机航拍场景中的目标检测系统(101)，其特征在于：其包括图像采集系统(103)和目标检测装置(104)，所述目标检测装置被配置为根据图像采集系统在无人机飞行过程中所捕获的图像，执行目标检测方法；所述目标检测方法，具体为：目标检测装置接收目标采集系统所捕获的图像信息，并将其送入神经网络推理装置(201)，神经网络推理装置上部署有神经网络，被用于根据输入信号和训练好的网络参数完成对输入信号的推理，获得推理结果，并通过输出装置(203)输出。2.根据权利要求1所述的无人机航拍场景中的目标检测系统，其特征在于：该神经网络包括主干网络(301)、颈部网络(302)和头部网络(303)。3.根据权利要求2所述的无人机航拍场景中的目标检测系统，其特征在于：所述的颈部网络和头部网络为YOLOv5神经网络的颈部网络和头部网络。4.根据权利要求3所述的无人机航拍场景中的目标检测系统，其特征在于：所述主干网络包括依次连接的如下模块：Cov2d,B_1_3,B_2_3,B_3_4,B_4_3,B_4_2；其中，Conv2d模块包含依序连接的普通卷积、BN、Hard‑swish激活函数操作；B_1_3为3个依序连接的普通卷积、BN、SiLU、DWConv、BN模块；B_2_3为3个依序连接的普通卷积、BN、SiLU、CBAM、DWConv、BN模块；B_3_4位4个依序连接的Cov2d、DWConv‑H、BN；B_4_3为3个依序连接的Cov2d、CBAM、DWConv‑H、BN；B_4_2为2个依序连接的Cov2d、CBAM、DWConv‑H、BN；其中DWConv为深度可分离卷积；DWConv‑H为依序连接的DWConv、BN、Hard‑Swish模块；BN为批标准化，CBAM为CBAM注意力机制模块，包括通道注意力模块CAM模块和空间注意力模块SAM模块。5.根据权利要求3或4所述的无人机航拍场景中的目标检测系统，其特征在于：所述神经网络推理装置上部署的神经网络，为经过数据集训练后所获得的神经网络，其中所述数据集被执行如下操作之一或多个：1)设置上下翻转的概率为0；2)Mosaic马赛克处理，具体步骤为：选择四张图片；把四张图片进行缩放、翻转和改变色域的操作,然后将经过所述操作后的四张图片的一部分重叠后拼接在一起，生成一张大的新图片；再对新的图片标注目标锚定框；3)二维高斯模糊处理，具体步骤为：对于待处理的像素，利用该像素周围的像素数值进行二维高斯模糊处理,再将得到的数值作为该点的像素值；4)伽马变换处理，其变换公式如下：s＝crγ其中，s为灰度输出，c为缩放系数，r是输入灰度，其值在0～1之间，γ是灰度缩放参数，是控制灰度变换缩放程度的参数。6.根据权利要求5所述的无人机航拍场景中的目标检测系统，其特征在于：所述的数据集为VisDrone训练集。7.根据权利要求6所述的无人机航拍场景中的目标检测系统，其特征在于：使用K‑means聚类方法对VisDrone训练集的目标边界框进行计算，获得目