(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210720164.6 (22)申请日 2022.06.24 (71)申请人 成都云擎科技有限公司 地址 610000 四川省成 都市高新区益州大 道中段59 9号13栋16楼16 09、 1610 (72)发明人 贾海涛　王子彦　任利　胡佳丽　 田浩琨　康益铭　钱孝伟　江雪婷　 (51)Int.Cl. G06V 20/17(2022.01) G06V 20/40(2022.01) G06N 3/04(2006.01) G06V 10/25(2022.01) G06V 10/40(2022.01) G06V 10/42(2022.01) G06V 10/80(2022.01) G06T 7/11(2017.01)G06V 10/82(2022.01) (54)发明名称 一种基于改进的YOLOv5目标检测方法 (57)摘要 本发明公开了一种基于改进的YOLOv5目标 检测算法。 针对YOL Ov5目标检测算 法在无人机场 景下存在的目标像素面积小、 目标的尺度变化剧 烈以及背景元素复杂的问题， 利用同层跳跃连接 以及加权融合的策略对原有的特征金字塔模块 进行优化， 解决了无人机场景下目标尺度变化剧 烈的问题， 并针对背景环境复杂的问题引入了注 意力机制， 使得模型可以快速地找到感兴趣的区 域， 通过切片检测框架兼顾了不同尺 寸目标的检 测精度。 基于改进后的YOLOv5目标检测算法在无 人机场景 下能够取得更好的检测效果。 权利要求书1页 说明书3页 附图3页 CN 114943905 A 2022.08.26 CN 114943905 A 1.一种基于改进的YOLOv5目标检测方法， 其特 征在于， 包括以下步骤： 步骤1： 图像在送入检测网络之前会经过一个切片模块对图像进行预处理， 然后将预处 理后的图像集并行地送入到检测网络中； 步骤2： 对送入网络中的图像进行处理， 经过骨干网络进行特征提取， 并通过增强的特 征金字塔网络进行 特征融合； 步骤3： 在检测头输出检测结果之前引入注意力机制， 并通过注意力图的权重信 息和输 出的检测结果 为下一帧图像的切片模块处 理提供区域建议信息 。 2.如权利要求1所述方法， 其特征在于， 步骤2中的增强的特征金字塔模块采用一种跳 跃连接与加权特征融合的方式， 实现了一种简单而高效的加权特征金字塔结构BPANet， 使 得网络可以进行更高效的特征融合， 对原始特征 的利用率得到提升， 并且充分考虑了不同 特征之间贡献的不平等 性。 3.如权利要求1所述方法， 其特征在于， 步骤3中通过引入注意力 机制， 使得模型可以快 速地找到感兴趣地区域， 并在此基础上构建了游走切片检测框架， 从而兼顾了不同尺寸 目 标的检测精度。权　利　要　求　书 1/1 页 2 CN 114943905 A 2一种基于改进的Y OLOv5目标 检测方法 技术领域 [0001]本发明涉及深度学习中的目标检测领域， 针对无人机拍摄场景下的目标检测技 术。 背景技术 [0002]近年来， 随着科技的发展， 配备高清摄像头的无人机受到了广泛的关注。 无人机场 景下拍摄的数据集也得到了极大 的补充。 因此， 越来越多的学者将视觉任务的关注点从对 传统公开数据集下自然条件拍摄的目标检测转为对无人机拍摄条件下的目标检测， 在无人 机拍摄场景下进 行目标检测任务也逐渐 成为主流的领域应用。 传统的目标检测算法在绝大 多数情况下往往可以表现出较好的性能， 但是针对于无人机捕获场景中的目标检测任务， 由于无人机飞行高度的限制， 目标在图像中往往只占很少的像素， 并且存在目标尺度变化 剧烈以及背景 元素复杂的问题， 这给目标检测算法带来了巨大的挑战。 发明内容 [0003]为了解决无人机场景下目标检测的问题， 本发明提出了一种基于注意力机制的游 走切片检测算法。 该算法采用了深度学习中的通用目标检测 框架YOLOv5， 并针对无人机场 景下存在的问题对YOLOv5进行了进一步的改进。 首先， 在网络的检测 颈部分设计了一种高 效的特征金字塔模块， 其次， 通过引入注意力机制帮助网络在大范围的图像区域中快速找 到感兴趣的目标所在区域， 最后， 基于注意力机制以及检测结果设计了一种图像切片模块 作为网络 输入之前的预处 理模块。 [0004]本发明具体步骤如下： [0005]步骤1： 图像在送入检测网络之前会经过一个切片模块对图像进行预处理， 然后将 预处理后的图像集并行地送入到检测网络中； [0006]步骤2： 对送入网络中的图像进行处理， 经过骨干网络进行特征提取， 并通过增强 的特征金字塔网络进行 特征融合； [0007]步骤3： 在检测头输出检测结果之前引入注意力机制， 并通过注意力图的权重信息 和输出的检测结果 为下一帧图像的切片模块处 理提供区域建议信息 。 [0008]与现有技 术相比， 本发明的有益效果是： [0009](1)利用同层跳跃连接以及加权融合的策略构建的增强的特征金字塔网络， 使得 网络可以进行更高效的特征融合， 对原始特征 的利用率得到提升， 并且充分考虑了不同特 征之间贡献的不平等 性； [0010](2)通过引入注意力机制， 使得模型可以快速地找到感兴趣地区域， 并在此基础上 构建了游走切片检测框架， 从而兼顾了不同尺寸目标的检测精度。 附图说明 [0011]图1为： 算法整体框图。说　明　书 1/3 页 3 CN 114943905 A 3