CN119495036A 基于改进YOLOv8的无人机图像小目标检测方法 （聊城大学）

基于改进YOLOv8的无人机图像小目标检测是属于一种基于改进YOLOv8的无人机图像小目机制的特征提取模块RFN改进YOLOv8基准网络模前添加基于尺度注意力机制的特征融合模块SAF；将训练图像输入改进后的网络模型进行训2步骤2，基于感受野注意力机制构建特征提取模块RFN，使用特征提取模块RFN改进特征提取模块RFN由残差结构和感受野注意力两部分组成；特形状为CXHXW的原始特征图F，其中C为特征图的通道数量，H和W分别为特征图的高度道的特征进行提取，输出形状为CXHXW的特征图F'；使用一个卷积核大小为1X1的标F'=p3x3(F)F"=conv1x1(F")FZ=F+F"积；convxk代表卷积核为kxk的标准卷积；BN和GeLU分别代表批归一化操作和激活函使用softmax激活函数对特征图中每个位置的权重进行归一化，得到形状为9CXHXW的权重图A；A代表一组卷积核，将A中的每个元素与感受野空间特征图P相应位置上的元素3F,=conv3x3(reshape(k,[cx3HX3w]))其中，FZ为残差结构的输出特征图；Gconvxk代表卷积核为kxk的分组卷积；Avgpool、softmax分别代表平均池化、softmax激活函数；p代表形状为9CXHXW感受野空间特征图；A代表形状为9CXHXW权重图；reshape(k,[cx3HX3w])代表将特征图K重塑为CX3HX3W形状；符号百表示逐元素乘法，K中的每个元素征提取模块RFN最终输出的特征图。将YOLOv8基准网络模型的主干网络分为四个连续的阶段，每个阶段对于分辨率最低的特征图s1ow，对特征图smid进行下采样使其分辨率与特征图s1ow对于分辨率最高的特征图shgh，使用双线性插值从对特征图smid进行上采样使其分辨率与特征图shgh保持一致；对上采样后特征图smid使用尺度注意力机制加权；将加权后的特征图smid与特征图shgh相加并除以2，得到融合特征图Rnigh，并将融合特征图征图smid保持一致，并对上采样后的特征图s1ow使用尺度注意力机制加权；对特征图shgh进行下采样使其分辨率与特征图smid保持一致,并对下采样后特征图shgh使用尺度注意力机制加权；将加权后的特征图s1ow、加权后的特征图shgh和中间层特征图smid4对于尺度注意力机制的输入特征图，使用平均池化提取输入特应用ReLU激活函数和Hsigmoid激活函数生成标量权重；使用标量权重对输入特征图sst=Hsigmoid(ReLU(conv1x1(Avgpool(s))))xs=JXS代表尺度注意力机制生成的标量权重；ReLU和Hsigmoid分别代表ReLU激活函数和5[0005]为解决现有目标检测算法在无人机捕获图像中检测小目标时精度和效率不高的[0006]本发明所提供的一种基于改进YOLOv8的无人机图像小目标检测方法，其特征在步骤3，基于尺度注意力机制构建特征融合模块SAF，将特征融合模块SAF加入到6YOLOv8基准网络模型的颈部网络采用路径聚合网络+特征金字塔网络的结构，允许低级特一个形状为CXHXW原始特征图F，其中C为特征图的通道数量，H和W分别为特征图的高之一通道的特征进行提取，输出形状为CXHXW的特征图F'；使用一个卷积核大小为1x1的标准卷积将特征图F'的通道数扩展到原来的两倍，并应用批归一化和GeLU激活函F'=p3x3(F)F"=conv1x1(F")FZ=F+F"分卷积；convxxk代表卷积核为kxk的标准卷积；BN和GeLU分别代表批归一化操作和激F""代表经过第二个1x1卷积后的特征图；FZ代表残差结构的输出特征图；积扩展通道数量，生成形状为9CXHXW感受野空间特征图；对于残差结构的输出特征变，并使用softmax激活函数对特征图中每个位置的权重进行归一化，得到形状为9CXHXW的权重图A；A代表一组卷积核，将A中的每个元素与感受野空间特征图P相应7F,=conv3x3(reshape(k,[cx3HX3w]))其中，FZ为残差结构的输出特征图；Gconvxk代表卷积核为kxk的分组卷积；Avgpool、softmax分别代表平均池化、softmax激活函数；p代表形状为9CXHXW感受野空间特征图；A代表形状为9CXHXW权重图；reshape(k,[cx3HX3w])代表将特征图K重塑为CX3HX3W形状；符号百表示逐元素乘法，K中的每个元素特征提取模块RFN最终输出的特征图。特征融合模块SAF接收来自颈部网络的三个不同尺度的特征图，分别为特征图对于分辨率最低的特征图s1ow，对特征图smid进行下采样使其分辨率与特征图对于分辨率最高的特征图shgh，使用双线性插值从对特征图smid进行上采样使其分辨率与特征图shgh保持一致；对上采样后特征图smid使用尺度注意力机制加权；将加权后的特征图smid与特征图shgh相加并除以2，得到融合特征图Rnigh，并将融合特征对于中间层特征图smid，使用双线性插值从对特征图s1ow进行上采样使其分辨图shgh进行下采样使其分辨率与特征图smia保持一致,并对下采样后特征图shgh使用尺度注意力机制加权；将加权后的特征图s1ow、加权后的特征图shgh和中间层特征图smid相加并除以3，得到融合特征图Rmia，将融合特征图Rmia添加8其中，R为第i层融合后的特征图；scaleAttn为尺度注意力机制；down表示下采后，应用ReLU激活函数和Hsigmoid激活函数生成标量权重I；使用标量权重I对输入特征st=Hsigmoid(ReLU(conv1x1(Avgpool(s))))xs=JXS数；随后使用基于感受野注意力机制的特征提取模块RFN改进YOLOv8基准网络模型的主干[0015]步骤1：在VisDrone2019挑战赛官方网站下载用于目标检测任务无人机捕获图像9块RFN由残差结构和感受野注意力两部分组成；特征提取模块RFN接收一个形状为CXHXW原始特征图F，其中C为特征图的通道数量，H和W分别为特征图的高之一通道的特征进行提取，输出形状为CXHXW的特征图F'；使用一个卷积核大小为1x1的标准卷积将特征图F'的通道数扩展到原来的两倍，并应用批归一化和GeLU激活函F'=p3x3(F)F"=conv1x1(F")FZ=F+F"分卷积；convxxk代表卷积核为kxk的标准卷积；BN和GeLU分别代表批归一化操作和激F""代表经过第二个1x1卷积后的特征图；FZ代表残差结构的输出特征图；积扩展通道数量，生成形状为9CXHXW感受野空间特征图；对于残差结构的输出特征变，并使用softmax激活函数对特征图中每个位置的权重进行归一化，得到形状为9CXHXW的权重图A；A代表一组卷积核，将A中的每个元素与感受野空间特征图P相应F,=conv3x3(reshape(k,[cx3HX3w]))其中，FZ为残差结构的输出特征图；Gconvxk代表卷积核为kxk的分组卷积；Avgpool、softmax分别代表平均池化、softmax激活函数；p代表形状为9CXHXW感受野空间特征图；A代表形状为9CXHXW权重图；reshape(k,[cx3HX3w])代表将特征图K重塑为CX3HX3W形状；符号百表示逐元素乘法，K中的每个元素对于分辨率最低的特征图s1ow，对特征图smid进行下采样使其分辨率与特征图对于分辨率最高的特征图shgh，使用双线性插值从对特征图smid进行上采样使其分辨率与特征图shgh保持一致；对上采样后特征图smid使用尺度注意力机制加权；将加权后的特征图smid与特征图shgh相加并除以2，得到融合特征图Rnigh，并将融合特征对于中间层特征图smid，使用双线性插值从对特征图s1ow进行上采样使其分辨图shgh进行下采样使其分辨率与特征图smia保持一致,并对下采样后特征图shgh使用尺度注意力机制加权；将加权后的特征图s1ow、加权后的特征图shgh和中间层特征图smid相加并除以3，得到融合特征图Rmia，将融合特征图Rmia添加其中，R为第i层融合后的特征图；scaleAttn为尺度注意力机制；down表示下采后，应用ReLU激活函数和Hsigmoid激活函数生成标量权重I；使用标量权重I对输入特征st=Hsigmoid(ReLU(c