首先,针对无人机拍摄目标普遍为小目标的应用场景,减少算法骨干网络(Backbone)层数,增大待检测特征图尺寸,使得网络模型更专注于微小目标;其次,针对数据集普遍存在一定数量低质量示例影响训练效果的问题,引入Wise-IoU损失函数,增强数据集训练效果;再次,通过引入上下文增强模块,获得小目标在不同感受野下的特征信息,改善算法在...
1. 导读由于难以捕捉小目标的复杂特征,检测复杂场景中的小目标,如无人机捕捉的小目标,是一项艰巨的挑战。虽然YOLO家族在大目标检测方面取得了巨大的成功,但是当面对小目标时,它的性能却不尽如人意。正因为如…
图8 无人机队列实验(距离方向):先导无人机(实线)、第一个跟随者无人机(虚线)和第二个跟随者无人人机(虚线-点)。 我们注意到,模拟结果与实验结果之间的差距应归因于时变通信延迟和风扰动。从这些结果中,我们可以看到,跟随者无人机与前面的无人机一致移动,并实现无人机队列,因为表2中的误差都是有限的,不会...
2)新的混合型扩张型残差注意力(HDRAB)助力涨点 3)一种基于YOLOv8的高精度无人机高空红外检测算法(原创自研) 关注下方名片点击关注,源码获取途径。
本文提出了SL-YOLO模型,这是一种针对复杂环境中无人机目标检测的更强大且更轻量的模型。SL-YOLO结合了层次扩展路径聚合网络(HEPAN)以改进跨尺度特征融合,提高了小目标的精度,同时采用C2fDCB和SCDown模块来减少参数和计算负载,同时保持高性能。SL-YOLO的设计使无人机能够在复杂环境中高效地检测小目标,为灾害响应和...
摘要:本文介绍了一种基于深度学习的无人机目标检测系统系统的代码,采用最先进的YOLOv8算法并对比YOLOv7、YOLOv6、YOLOv5等算法的结果·,能够准确识别图像、视频、实时视频流以及批量文件中的无人机目标。文章详细解释了YOLOv8算法的原理,并提供了相应的Python实现代码、训练数据集,以及基于PySide6的用户界面(UI)。该...
怎样在ROS下实现基于YOLO的px4无人机目标检测,本文,我们研究了仅通过相机信息对无人机进行队列控制。为此,我们采用基于深度学习模型YOLO的实时物体检测。YOLO目标探测器持续估计前方无人机的相对位置,通过该位置,每架无人机都由PD(比例导数)反馈控制器控制,以进行队
无人机航拍小目标检测:基于YOLOv7系列参数模型的实践与应用 引言 随着无人机技术的飞速发展和广泛应用,无人机航拍在各个领域,如环境监测、军事侦察、智能交通等,都发挥着越来越重要的作用。在航拍图像中,小目标的检测与识别成为了研究的热点和难点。为此,本文将基于YOLOv7系列参数模型(tiny/l/x),探讨无人机航拍场...
针对无人机图像背景复杂、分辨率高、目标尺度差异大等特点,杭州电子科技大学谷雨副教授等提出了一种实时目标检测算法YOLOv5sm+,解决了YOLOv5s算法深度宽度不均衡、分类精度不足等问题,有效提高了无人机场景下实时检测的精度,并通过VisDrone和DIOR数据...
摘要:无人机视角的高精度太阳能电池板检测与分析系统,通过深度学习技术,能够实时对画面中的太阳能电池板进行精确分割,并提供面积比例及尺寸信息,从而掌握电池板的准确分布情况,这对于确保安装精度、评估电池板布局以及监测覆盖面积等方面具有重要意义。本文基于YOLOv8深度学习框架,通过5284张图片,训练了一个进行太阳能电池...