[发明专利]一种基于改进YOLOv4的无人机航拍小目标检测方法

权利要求书

1.一种基于改进YOLOv4的无人机航拍小目标检测方法，其特征在于，包括如下步骤：

建立主干特征提取网络MobileCSPDarknet-tiny：

所述主干特征提取网络MobileCSPDarknet-tiny以CSPDarknet53为基础，去除第5个Resblock_body，并将剩余4个Resblock_body中的Resblock部分换做深度可分离模块，构造Mob_Resblock_body，以第2、3、4个Mob_Resblock_body的最后一层输出作为主干特征提取网络的输出，依次命名为out1，out2，out3；

建立加强特征提取网络ASPP+Bi-PANet：

所述加强特征提取网络ASPP+Bi-PANet首先分别为主干特征提取网络MobileCSPDarknet-tiny的三个输出out1，out2，out3各自添加了ASPP，其中然后在PANet的基础上，融合BiFPN思想，将上采样之后的通道堆叠和下采样之后的通道堆叠分别换成权重相加；

建立改进的YOLOv4模型：

改进的YOLOv4模型主要包括输入端、主干特征提取网络MobileCSPDarknet-tiny、加强特征提取网络ASPP+Bi-PANet以及分类回归层YOLO Head；

使用划分好的VisDrone数据集训练该模型。

2.根据权利要求1所述的基于改进YOLOv4的无人机航拍小目标检测方法，其特征在于，当输入通道数等于输出通道数时，所述深度可分离模块依次序贯卷积核大小为3*3的深度卷积、BN层、第一激活函数、SELayer、卷积核大小为1*1的普通二维卷积、BN层、第二激活函数；

所述第一激活函数为h-swish＝x*ReLU6(x+3)/6，ReLU6＝min(max(x,0),6)；所述SELayer依次序贯平均池化、全连接层、ReLU激活函数、全连接层、第三激活函数；所述第三激活函数为h-sigmoid＝ReLU6(x+3)/6，ReLU6＝min(max(x,0),6)；所述第二激活函数为Mish＝x*tanh(ln(1+e^x))，其中x为激活函数的输入。

3.根据权利要求1所述的基于改进YOLOv4的无人机航拍小目标检测方法，其特征在于，当输入通道数不等于输出通道数时，所述深度可分离模块依次序贯卷积核大小为1*1的普通二维卷积、BN层、第一激活函数、卷积核大小为3*3的深度卷积、BN层、SELayer、第一激活函数、卷积核大小为1*1的普通二维卷积、BN层、第二激活函数；

所述第一激活函数为h-swish＝x*ReLU6(x+3)/6，ReLU6＝min(max(x,0),6)；所述SELayer依次序贯平均池化、全连接层、ReLU激活函数、全连接层、第三激活函数；所述第三激活函数为h-sigmoid＝ReLU6(x+3)/6，ReLU6＝min(max(x,0),6)；所述第二激活函数为Mish＝x*tanh(ln(1+e^x))，其中x为激活函数的输入。

4.根据权利要求1所述的基于改进YOLOv4的无人机航拍小目标检测方法，其特征在于，所述4个Mob_Resblock_body中的Mob_Resblock部分数量分别为2，8，8，4；