| YOLO-PDS：基于改進(jìn)的YOLOv11的無人機(jī)小目標(biāo)檢測算法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：5794 K | |
| 標(biāo)簽： 目標(biāo)檢測 YOLOv11 風(fēng)車狀卷積 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：目標(biāo)檢測在遙感領(lǐng)域中具有廣泛的應(yīng)用前景。盡管目標(biāo)檢測算法在自然圖像中取得了明顯的進(jìn)展，但這些方法直接應(yīng)用于遙感圖像時(shí)仍然面臨諸多挑戰(zhàn)。遙感圖像的背景往往比較復(fù)雜且物體較小，導(dǎo)致前景與背景信息的分布極為不平衡。針對(duì)無人機(jī)圖像小目標(biāo)和物體遮擋的問題，提出了一種基于風(fēng)車狀卷積（PinwheelConv）改進(jìn)的無人機(jī)小目標(biāo)檢測算法。為了改進(jìn)模型對(duì)小目標(biāo)的檢測效果，在骨干網(wǎng)絡(luò)中使用風(fēng)車狀卷積替換普通卷積來更好地適應(yīng)小目標(biāo)提取特征，同時(shí)基于風(fēng)車狀卷積的思想設(shè)計(jì)了C2f-PC模塊來替換骨干中的C3k2模塊。為解決無人機(jī)圖像中目標(biāo)遮擋嚴(yán)重的問題，創(chuàng)新性地提出了C2f-PDWR模塊來替換頸部網(wǎng)絡(luò)中的C3k2模塊，來增強(qiáng)模型的特征融合能力，同時(shí)引入了SEAM（Spatially Enhanced Attention Module）來改善模型對(duì)被遮擋物體的檢測效果。最后，基于YOLOv11提出對(duì)小目標(biāo)檢測更加高效的YOLO-PDS模型。其在VisDrone2019數(shù)據(jù)集上所提方法較基準(zhǔn)模型YOLOv11檢測方法mAP50提高3.7%以上，召回率提高2.2%以上。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
目標(biāo)檢測 相關(guān)資源
wwei 的最新分享
- 基于雙軸激光掃描的煤倉物位深度檢測系統(tǒng)
- NDIR二氧化碳?xì)怏w傳感器設(shè)計(jì)
- 光伏功率預(yù)測的對(duì)抗攻擊與防御研究
- 基于改進(jìn)MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r(shí)檢測方法
- YOLO-PDS：基于改進(jìn)的YOLOv11的無人機(jī)小目標(biāo)檢測算法
- 基于專利分析的6G天地一體化網(wǎng)絡(luò)編碼技術(shù)發(fā)展研究
- 基于多諧振單元的雙波束微帶反射陣列天線設(shè)計(jì)
- 基于GAN和集成學(xué)習(xí)的電力系統(tǒng)網(wǎng)絡(luò)入侵檢測方法
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2