[发明专利]一种基于YoloV3的无人机航拍绝缘子目标检测方法

权利要求书

1.一种基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：包括，

基于YoloV3模型构建目标检测模型，并修改目标检测模型的网络结构；

通过特征金字塔搭建目标检测模型的特征提取层，而后对所述特征提取层分别进行卷积和池化处理，完成目标检测模型的优化；

利用优化后的目标检测模型对无人机航拍绝缘子进行目标检测。

2.如权利要求1所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：所述修改目标检测模型的网络结构包括，

利用CSPDarknet-53网络作为目标检测模型的主干网络；

选取Mish函数作为激活函数；

利用CIOU作为回归损失函数。

3.如权利要求2所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：所述Mish函数包括，

Mish＝x×tanh(ln(1+e^x))

其中，x为输入。

4.如权利要求3所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：所述回归损失函数包括，

其中，LOSS_CIOU为回归损失值，b,b^gt为预测框和真实框的中心点，ρ表示预测框和真实框的中心点的欧氏距离，c表示的是能够同时包含预测框和真实框的最小闭包区域的对角线距离，α为权重函数，ν用于衡量长宽比的相似性。

5.如权利要求4所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：所述权重函数α包括，

其中，IOU为交并比。

6.如权利要求4或5所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：所述ν包括，

其中，w为宽度，h为长度，w^gt为真实框的宽度，h^gt为真实框的长度。

7.如权利要求1、2、3任一所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：所述特征提取层包括空间金字塔池化网络和路径聚合网络；

通过所述空间金字塔池化网络将任意大小的特征图转换成固定大小的特征向量；

通过所述路径聚合网络缩短特征提取层中低层与顶层特征之间的信息路径。

8.如权利要求7所述的基于YoloV3的无人机航拍绝缘子目标检测方法，其特征在于：还包括，

通过所述空间金字塔池化网络对CSPDarknet-53网络的最后一个特征层进行三次卷积处理，而后分别利用四个不同尺度的最大池化的池化核进行所述池化处理；

其中，所述四个不同尺度的最大池化的池化核大小分别为13x13、9x9、5x5、1x1。