-
公开(公告)号:CN119904762A
公开(公告)日:2025-04-29
申请号:CN202411799130.6
申请日:2024-12-09
Applicant: 中北大学
Abstract: 本发明属于无人机航拍目标检测领域,旨在解决航拍图像中小目标存在分辨率低、背景复杂、特征不足和定位不准的问题。提供了一种基于无人机航拍的图像特征识别方法,构建YOLOv8网络模型,将主干网络中的C2f模块替换为C2f_RFG模块,在颈部网络中添加轻量化跨尺度特征融合网络结构LCCFN以重组PANet结构,并在原有的检测头基础上新增小目标检测头,在每个检测头前加入SWS注意力机制,将边框损失函数由CIoU替换为WiseIoU,得到RGCS‑YOLOv8n模型;将RGCS‑YOLOv8n模型部署在无人机设备上,获取不同场景下的小目标检测结果。本发明能够提高无人机检测的精度,降低无人机航拍图像小目标检测漏检率和误检率。
-
公开(公告)号:CN119904665A
公开(公告)日:2025-04-29
申请号:CN202411797179.8
申请日:2024-12-09
Applicant: 中北大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明属于中草药识别领域,为解决目前在中草药识别方面缺乏有效的识别分类手段,提供了一种基于图像处理的中草药分类识别方法,通过基于多尺度大核注意力MAB模块和大核尾部注意力LKAT模块构建MABs注意力模块;构建MViT‑k模块,并基于所述MABs注意力模块构建RMF多尺度注意力模块;将所述RMF多尺度注意力模块加入主干网络MobileViT中的MV2块和1×1卷积层之间,构建MobileVit‑RMF网络;获取待测中草药图像张量,将所述待测中草药图像张量输入所述MobileVit‑RMF网络中进行分类识别,得到中草药分类结果,本发明构建的MobileViT‑RMF网络在实现高识别精度的同时,能够有效管理计算资源,从而提供良好的运行效率,适应多样化的应用需求。
-