一种面向无人机视角的目标检测方法与流程
技术特征:
1.一种面向无人机视角的目标检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的面向无人机视角的目标检测方法,其特征在于:fbam模块的工作过程包括:
3.如权利要求2所述的面向无人机视角的目标检测方法,其特征在于:使用二维离散余弦变换2d-dct提取局部子块ci的频率分量。
4.如权利要求1所述的面向无人机视角的目标检测方法,其特征在于:fctb模块的工作做成包括:
5.如权利要求4所述的面向无人机视角的目标检测方法,其特征在于:频谱块spectralblock由一个频谱门控网络构成;频谱门控网络包括快速傅里叶变换fft层、加权门控和逆快速傅里叶变换ifft层。
6.如权利要求5所述的面向无人机视角的目标检测方法,其特征在于:频谱块spectralblock的工作过程包括:
7.如权利要求4所述的面向无人机视角的目标检测方法,其特征在于:卷积多头自注意力cmhsa机制对特征图进行处理的过程包括:
8.如权利要求1所述的面向无人机视角的目标检测方法,其特征在于:注意力预测头aph基于归一化的注意力模块nam注意力机制设置;注意力预测头aph分别在通道和空间两个独立维度上推断输入图像的注意力图,并利用这些注意力图对输入特征图进行加权,从而自适应地捕捉图像的显著区域。
9.如权利要求8所述的面向无人机视角的目标检测方法,其特征在于:注意力预测头aph包括通道注意力子模块和空间注意力子模块;通道注意力子模块使用批归一化的缩放因子来反映每个通道的重要性;空间注意力子模块使用相同的归一化方法来处理空间中每个像素,以抑制无关特征;
10.如权利要求1所述的面向无人机视角的目标检测方法,其特征在于:特征融合模块为基于双向特征金字塔网络bifpn的特征融合模块。
技术总结
本发明属于目标识别检测技术领域,尤其涉及一种面向无人机视角的目标检测方法,包括以下步骤:S1、构建目标检测网络CT‑RODN;CT‑RODN包括主干网络、特征融合模块和注意力预测头;主干网络包括基于频率域的分块复合注意力模块FBAM,以及基于频率域的CNN‑Transformer模块FCTB;FBAM模块用于通过结合频域分析来增强对空中小目标的理解;FCTB模块用于对卷积获取的特征图进行处理和聚合,以获取图像的全局信息;特征融合模块用于对提取的各层级特征进行融合;注意力预测头用于提取融合后的特征图的关键区域,并基于提取的关键区域进行目标检测识别。本方法,可以保证高动态环境下的小目标检测的有效性,从而保证无人机在复杂背景和多尺度目标场景下的目标检测结果的可靠性。
技术研发人员:张文锋,倪军,蒙跃,杨科俊,田生可
受保护的技术使用者:中电科翌智航(重庆)科技有限公司
技术研发日:
技术公布日:2024/12/2
文档序号 :
【 40201731 】
技术研发人员:张文锋,倪军,蒙跃,杨科俊,田生可
技术所有人:中电科翌智航(重庆)科技有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:张文锋,倪军,蒙跃,杨科俊,田生可
技术所有人:中电科翌智航(重庆)科技有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
