1.一种轻量级无人机航拍目标实时检测方法,其特征在于,具体包括以下步骤:获取无人机摄像头拍摄的初始数据集;
对初始数据集进行数据增强处理;
对YOLOv8n模型进行改进;
训练改进后的YOLOv8n模型;
将训练好的模型部署到移动端设备中,以进行目标实时检测;
其中,对YOLOv8n模型进行改进具体包括:
将YOLOv8n模型的骨干网络中的C2f模块替换为轻量块DWC2f模块;
将YOLOv8n的PANET颈部结构修改为TFPN颈部结构;
使用轻量块DWUnit代替YOLOv8n模型的头部结构中的CBS模块;
使用MPDIoU替换掉YOLOv8n的SIoU损失函数;
其中,所述将YOLOv8n的PANET颈部结构修改为TFPN颈部结构包括:将骨干网络中SPPF模块输出的特征图输入到DWC2f模块中,DWC2f模块右侧输出再经过一个DWC2f模块后输入到小目标检测头部分,同时下侧输出进行上采样操作后与骨干网络中第二DWC2f模块的输出进行相加操作,相加操作得到的特征图再输入到DWC2f模块中,该DWC2f模块右侧输出再经过一个DWC2f模块后输入到中目标检测头部分,同时该DWC2f模块下侧输出进行上采样操作后与骨干网络中第一个DWC2f模块的输出进行相加操作,然后再依次输入到两个DWC2f模块中,对应的输出的特征图输入到大目标检测头部分;
所述轻量块DWC2f模块包括两个CBS模块,一个分割模块和n个DWUnit模块;CBS模块包括卷积核大小为1*1的卷积层、批归一化层和SiLU激活函数;轻量块DWC2f模块先将输入的特征图输入到其中一个CBS模块中,CBS模块将输入的特征图的通道数调整为轻量块DWC2f模块输出的特征图的通道数,接着分割模块将CBS模块的输出分割为特征图一和特征图二,所述特征图一连续输入到n个DWUnit模块中,并将n个DWUnit模块输出的特征图与特征图一和特征图二进行拼接操作,拼接操作得到特征图再输入到另外一个CBS模块中;
所述DWUnit模块包括卷积核大小为1*1的逐点卷积层、卷积核大小为3*3的逐通道卷积和批归一化层和SiLU激活函数,输入的特征图经过卷积核大小为1*1的逐点卷积调整为DWUnit模块的输出通道数,然后经过卷积核大小为3*3的逐通道卷积,再经过批归一化层和SiLU激活函数,得到的特征图与逐通道卷积的输入特征图相加,然后再重复进行一次卷积核大小为1*1的逐点卷积和卷积核大小为3*3的逐通道卷积、批归一化层和SiLU激活函数,最后与DWUnit模块的输入特征图相加,以得到输出特征图;
所述使用轻量块DWUnit代替YOLOv8n模型的头部结构中的CBS模块的步骤包括:使用两个轻量块DWUnit代替YOLOv8n模型的头部结构中的CBS模块,CBS模块包括卷积核大小为3*3的卷积层、批归一化层和SiLU激活函数,经过两个DWUnit模块输出的特征图分别经过逐点卷积预测回归和逐点卷积预测分类,并将逐点卷积预测回归和逐点卷积预测分类的输出进行拼接,以得到最终预测输出。
2.根据权利要求1所述的一种轻量级无人机航拍目标实时检测方法,其特征在于,所述使用MPDIoU替换掉YOLOv8n的SIoU损失函数包括:MPDIoU损失计算方式如下:
= +
prd gt
其中b 表示预测框坐标 ,b 表示真实框坐标 ,其
中 代表预测框的左上角坐标, 代表真实框的左上角坐标,
代表预测框的右下角坐标, 代表真实框的右下角坐标,w代表真实框的宽度,h代表真实框的高度,d1和d2分别代表预测边界框与真实边界框之间的左上角点和右下角点的欧式距离。
3.根据权利要求1所述的一种轻量级无人机航拍目标实时检测方法,其特征在于,所述对初始数据集进行数据增强处理包括:从数据集中随机抽取若干张图像,并分别对该若干张图像进行数据增广操作,再以不同比例拼接成一张图像;
随机抽取两张拼接图像,将两张拼接图像按照预设比例进行线性组合,生成新的样本,新样本的标签也通过线性组合得到。
4.根据权利要求1所述的一种轻量级无人机航拍目标实时检测方法,其特征在于,所述轻量块DWC2f模块中有三个DWUnit模块。
5.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于调用存储于所述存储器中的程序,以执行如权利要求1‑4任一项所述的一种轻量级无人机航拍目标实时检测方法。
6.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,以实现如权利要求1‑4任一项所述的一种轻量级无人机航拍目标实时检测方法。