[发明专利]一种选择池化核结构的无人机目标检测方法

权利要求书

1.一种选择池化核结构的无人机目标检测方法，其特征在于，包括以下步骤：

1)通过无人机航拍采集图像数据集，并将采集的数据集划分为训练数据集和测试数据集；

2)构建目标检测模型，并利用训练数据集训练目标检测模型；其中，目标检测模型中的池化处理通过选择池化核SPK实现：

(1)选择池化核SPK接收到输入特征F_in，F_in∈R^C×W×H，R表示实数域，C表示输入特征的通道数；W表示输入特征的宽；H表示输入特征的高；

(2)利用三个不同尺寸的最大池化层分别对输入特征F_in进行最大池化运算，分别获得U₁、U₂、U₃三个池化输出特征；其中U_i∈R^C×W×H,i＝1,2,3；

(3)将U₁、U₂、U₃三个池化输出特征按特征通道维度进行累加获得累加特征

(4)对累加特征按输入特征的通道数C求均值得到均值特征S，S∈R^C×1×1，均值特征S输入至隐层节点数为L的全连接网络层得到特征Z，Z∈R^L×1×1；

(5)特征Z分别输入至利用3个权重相互独立且隐层节点数均为C的全连接网络层，再对这3个全连接层的输出使用激活函数Softmax进行处理得到3个输出结果V₁、V₂和V₃，其中V_i∈R^C×1×1,i＝1,2,3。

(6)将输出结果V_i作为第i个池化通道的权重，将V_i与对应U_i按通道维度进行相乘得到第i个池化通道的加权输出G_i，其中G_i∈R^C×W×H,i＝1,2,3；

(7)将三个加权输出G₁、G₂、G₃和输入特征F_in按通道维度进行累加最终获得SPK输出特征F_out，F_out∈R^C×W×H；

3)将测试数据集输入训练好的目标检测模型进行评估，通过评估的目标检测模型部署到无人机上用于实时的无人机目标检测。

2.如权利要求1所述方法，其特征在于，所述目标检测模型采用简化版YOLO4算法YOLO4-tiny。

3.如权利要求1或2所述方法，其特征在于，步骤(2)中三个不同尺寸的最大池化层的大小为3×3、5×5、7×7。

4.如权利要求2所述方法，其特征在于，选择池化核SPK接收到输入特征F_in为YOLO4-tiny模型中一卷积层输出的特征。