[发明专利]一种基于改进YOLOv5的无人机航拍目标检测方法

权利要求书

1.一种基于改进YOLOv5的无人机航拍目标检测方法，其特征在于，包括以下步骤：

步骤(1)构建基于改进YOLOv5的无人机航拍目标检测模型：

基于原始YOLOv5，进行预测尺度优化、引入CBAM注意力机制、增加ConvMixer模块；

步骤(2)建立无人机航拍数据集：

用户利用无人机设备拍摄或在网络下载无人机航拍图像，利用LableImg将图像标注，并按照YOLOv5的格式将无人机图像文件与标签文件命名，最后将图像划分为训练集、验证集和测试集；

步骤(3)设置网络参数并选择图像增强方式：

将输入图像分辨率设置为640×640，训练时的batchsize为8，测试时的batchsize为1，epoch为200，初始学习率为0.01，动量大小为0.937，权重衰减系数为0.0005，使用默认数据增强方法；

步骤(4)训练基于改进YOLOv5的无人机航拍目标检测模型：

将步骤(2)中建立的训练集和验证集输入到步骤(1)中构建的基于改进YOLOv5的无人机航拍目标检测模型中进行训练；

步骤(5)测试基于改进YOLOv5的无人机航拍目标检测模型：

将步骤(2)中建立的测试集输入到步骤(4)中训练好的基于改进YOLOv5的无人机航拍目标检测模型中进行测试。

2.根据权利要求1所述的基于改进YOLOv5的无人机航拍目标检测方法，其特征在于，所述步骤(1)中预测尺度优化，具体是将YOLOv5主干网络中第五个Conv模块的步长调整为1以取消对特征图的下采样，同时，将YOLOv5特征融合网络中与第2个C3模块相连的Concat修改为与第1个C3模块相连，相应地，将YOLOv5特征融合网络中与第3个C3模块相连的Concat修改为与第2个C3模块相连，以此将YOLOv5中20×20、40×40、80×80的特征层调整为40×40、80×80、160×160。

3.根据权利要求1所述的基于改进YOLOv5的无人机航拍目标检测方法，其特征在于，所述步骤(1)中引入CBAM注意力机制的位置为YOLOv5第18、21、24层的C3模块中，通过结合CBAM中的CAM调整通道维度资源的分配，通过结合CBAM中的SAM调整空间维度资源的分配，具体的：

CAM对输入特征图进行全局平均池化和全局最大池化，之后输入到全连接层进行像素级融合，最后经过Sigmoid获得通道注意力权重；

输入特征图F与通道注意力权重相乘，得到新的特征图F′，该过程的计算公式为：

F′＝F×sigmoid(MLP(Avgpool(F))+MLP(Maxpool(F)))；

SAM对处理后的特征图进行通道间的全局最大池化和全局平均池化，在通道拼接后通过7×7的卷积处理，最后经过Sigmoid获得空间注意力权重；

将输入特征图F′与空间注意力权重相乘，得到融合后的特征图F″，该过程的计算公式为：F″＝F′×(sigmoid(f^7×7(f^cut(Maxpool(F),Avgpool(F)))))。

4.根据权利要求1所述的基于改进YOLOv5的无人机航拍目标检测方法，其特征在于，所述步骤(1)中增加ConvMixer模块的位置为YOLOv5第18、21、24层的C3模块后，利用ConvMixer中大卷积核的depthwise卷积和pointwise卷积混合更远的空间信息与通道信息，建立输入之间的对应关系。

5.根据权利要求1所述的基于改进YOLOv5的无人机航拍目标检测方法，其特征在于，所述步骤(5)中测试模型性能的指标为平均精度均值mAP，其计算公式为其中k表示类别的数量，AP表示每个类别的平均精度。