欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026102760280
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向 UAV 航拍场景的轻量化目标检测方法,其特征在于,包括:步骤S1,选取 Animal Object Detection 数据集,并将数据集按照7:2:1 的比例划分为训练集、验证集和测试集;

步骤S2,对Animal Object Detection 数据集进行预处理;

步骤S3,构建目标检测网络模型OGCF-YOLO:以YOLOv8n为基线模型,剔除冗余的P5下采样分支及其检测头并引入高分辨率 P2 检测头;

在骨干网络末端、SPPF层之前插入空间-通道协同注意力模块;

通过正交门控特征融合机制对Neck网络的C2f模块进行改进,得到OGCF-C2f模块,进而通过得到的OGCF-C2f模块替换Neck网络中的C2f模块;

其中,OGCF-C2f模块通过稀疏路由、正交混合与竞争融合三阶段的流水线设计,即:;

式中,为OGCF-C2f模块形式上的映射,为稀疏路由,为正交混合,为竞争融合;

稀疏路由旨在基于特征内容的显著性进行动态通道调制与重组:首先,利用 GroupNorm 的统计量生成归一化的通道调制系数,具体,计算标准化特征,并将可学习的通道缩放参数映射到非负概率单纯形上:;

式中,为输入张量,为分组数为的GroupNorm,为通道偏移参数,为数值稳定常数,为平滑正数激活函数,为可学习通道缩放参数向量的第个分量;

其中,通道调制系数被广播为,进而得到调制后的预激活响应及其Sigmoid响应输出;

其中,引入 Logit-Threshold 机制,设定门控阈值与温度系数,计算门控掩码及两路路由权重:;

;

式中,为主路由权重,为辅助路由权重;

基于两路路由权重,输入张量被路由分为两部分与;

最后,执行通道交叉重组,将主路由保留的特征和辅助路由抑制的特征沿通道维度均分为两组和,输出张量 定义为交叉求和后的拼接:;

式中,为张量拼接维度;

正交混合在相邻通道间执行近似正交的旋转变换:给定输入,将其按通道索引奇偶性划分为与,其中,为偶数通道索引,为奇数通道索引;

对于第对通道,引入可学习参数并对其进行归一化以构建旋转因子:;

;

;

式中,为旋转矩阵的余弦分量,为旋转矩阵的正弦分量;

混合过程在空间点上逐点进行:

;

;

式中,为由所有组成的广播向量,为由所有组成的广播向量,为混合后的偶数通道特征,为混合后的奇数通道特征;

通过将重新交错排列恢复原始通道顺序得到最终输出;

竞争融合负责整合多尺度上下文:定义通道分割比例将切分为高维部分与低维部分,两者首先经过压缩比为的卷积降维得到,随后进入双路径变换:;

;

式中,为高维路径,为低维路径,为分组卷积,为点卷积,为沿通道维拼接;

为了动态加权这两条路径,利用全局平均池化构建竞争权重:;

式中,为全局平均池化,为竞争温度系数;

最终输出通过能量缩放因子加权得到:;

通过基于点采样的动态上采样模块DySample替代传统插值上采样;

步骤S4,设置训练参数,使用预处理后的图像对目标检测网络模型OGCF-YOLO进行训练、验证和测试;

步骤S5,将无人机拍摄的图像输入至测试后的目标检测网络模型OGCF-YOLO,得到检测结果。

2.根据权利要求1所述的一种面向 UAV 航拍场景的轻量化目标检测方法,其特征在于,所述步骤S3中,在骨干网络末端、SPPF层之前插入空间-通道协同注意力模块,空间-通道协同注意力模块由共享多语义空间注意SMSA和渐进式通道自注意PCSA顺序串联构成:;

式中,为输入特征图;

即:

共享多语义空间注意SMSA:

首先,沿高度/宽度方向分别进行全局平均池化,生成一维序列 与,为输入特征图高度方向全局平均池化结果,为输入特征图宽度方向全局平均池化结果,为实数集,为样本数量,为通道,为宽度,为高度;

其次,在通道维度将其划分为 个互不重叠的子特征,并对每个子特征分别施加共享的多尺度深度可分1D卷积以提取不同语义空间结构,卷积核大小依次为;

最后,将各分支输出按通道拼接后,采用按组的GroupNorm并经Sigmoid得到两个方向的空间注意权重,并与输入特征图逐元素相乘形成空间先验引导后的特征:;

式中,为支持广播机制的哈达玛积,为高度方向空间注意权重,为宽度方向空间注意权重;

渐进式通道自注意PCSA在共享多语义空间注意SMSA提供的空间先验基础上:首先,对进行渐进式压缩:通过平均池化将 降至 得到 ,其中,为渐进式压缩后的特征;

其次,在通道维度执行单头自注意:由线性投影生成,并计算:;

式中,为查询,为键,为值,为通道注意力图,为键矩阵的转置,为沿通道维归一化;

最后,将得到的通道交互结果再池化至 并经Sigmoid生成通道权重,与逐元素相乘输出,其中,为PCSA最终输出的特征图。

3.根据权利要求1所述的一种面向 UAV 航拍场景的轻量化目标检测方法,其特征在于,所述步骤S3中,通过基于点采样的动态上采样模块DySample替代传统插值上采样,包括:设输入特征图为,上采样比例因子为;

首先,通过一层线性变换将通道数由映射至,生成偏移量张量:;

随后,借助 Pixel Shuffle 操作将重排为尺寸为的坐标偏移场,并与原始规则采样网格相加,得到动态采样集:;

最后,利用基于的双线性插值函数grid_sample对进行重采样,直接生成高分辨率特征图:。