公开(公告)号：CN118823302A

公开(公告)日：2024-10-22

申请号：CN202410711989.0

申请日：2024-06-04

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  孙泽杰 ,  吴宇玲

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06V20/40 ,  G06V10/20 ,  G06N3/045

Abstract: 本发明公开了一种结合EnlightenGAN与改进YOLOv8n的低照度无人机目标检测方法。具体来说，由于低照度无人机数据集的数量极少，同时还拍摄了低照度下条件下飞行的无人机图像并进行标注，构建一个全新数据集。先利用图像增强网络对低照度下的无人机数据集进行增强，突出目标特征，将增强后的图片作为YOLOv8n目标检测网络的输入，并且改进YOLOv8n，引入SPD‑ConV构建块，提升无人机这类小目标的检测精度。同时为了减少模型参数量，兼具目标检测的精度和速度，我们在YOLOv8n目标检测网络的基础上，将FasterNet中的FasterBlock替换YOLOv8n的C2f中Bottleneck模块。最后用自主构建的数据集评估所提网络的性能，实验结果表明，该方法在实际应用中可以达到了较好的低照度小目标检测效果。

公开(公告)号：CN118710875A

公开(公告)日：2024-09-27

申请号：CN202410749414.8

申请日：2024-06-12

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  孙泽杰 ,  吴宇玲

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/771 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495

Abstract: 本发明公开了一种基于YOLOv8n的轻量化低照度无人机目标检测方法。具体来说，由于低照度无人机数据集的数量极少，同时还拍摄了低照度下条件下飞行的无人机图像并进行标注，构建一个全新数据集。在YOLOv8n的基础上，替换YOLOv8n的主干网络为FasterNet，并且在SPPF特征融合的部分加入LSKA注意力机制，提高检测精度，同时为了继续减少模型参数量，兼具目标检测的精度和速度，我们在YOLOv8n目标检测网络的基础上，将FasterNet中的FasterBlock替换YOLOv8n的C2f中Bottleneck模块。最后用自主构建的数据集评估所提网络的性能，实验结果表明，该方法在实际应用中在GFLOPS降低的同时可以达到了较好的低照度小目标检测效果。

公开(公告)号：CN118570449A

公开(公告)日：2024-08-30

申请号：CN202410712025.8

申请日：2024-06-04

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  吴宇玲 ,  孙泽杰

IPC: G06V10/25 ,  G06V10/82 ,  G06V20/40 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于改进的YOLOv8n有雾环境无人机目标检测方法，建立了一种高效、准确的雾天无人机检测方法。具体来说，YOLOv8n中引入全局上下文模块GCNet，增强网络对图像中长距离依赖关系的理解，提升雾天条件下的无人机小目标检测精度。通过在雾气天气条件下捕捉并标注无人机图像，并且对正常天气条件下的无人机图像进行雾气合成，构建了名为GUET‑UAV‑FOG的数据集，用以评估所提网络的性能。实验结果表明，该方法在实际应用中达到了较好的去雾目标检测效果。

公开(公告)号：CN118570448A

公开(公告)日：2024-08-30

申请号：CN202410712017.3

申请日：2024-06-04

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  吴宇玲 ,  孙泽杰

IPC: G06V10/25 ,  G06V20/40 ,  G06V10/774 ,  G06V10/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于AO‑YOLOv8的雾天无人机检测系统。具体来说，针对去雾模块AOD‑Net提出一种改进的K估计模块，以有效去除雾气并突出无人机目标特征。同时结合目标检测算法YOLOv8，将去雾和目标检测相结合以提升无人机小目标的检测精度。为了优化性能和资源使用效率，去雾模块和目标检测模块被设计为端到端联合推理。通过在雾气天气条件下捕捉并标注无人机图像，并且对正常天气条件下的无人机图像进行雾气合成，构建了名为GUET‑UAV‑FOG的数据集，用以评估所提网络的性能。实验结果表明，该方法在实际应用中达到了较好的去雾目标检测效果。

公开(公告)号：CN117636191A

公开(公告)日：2024-03-01

申请号：CN202311680516.0

申请日：2023-12-07

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  黄世霖 ,  孙泽杰 ,  吴宇玲

IPC: G06V20/17 ,  G06V10/25 ,  G06V10/26 ,  G06V10/30 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于背景减除法与改进YOLOv5的无人机检测方法，首先使用相机获取无人机的实时视频并将之分解为连续的图像帧数据；通过使用背景减除算法对所述的连续图像帧进行处理，获取前景图像；同时在YOLOv5网络的Backbone部分添加SE注意力机制，获取改进YOLOv5网络然后将所述前景图像输入训练后的YOLOv5网络，获取无人机目标的边界框与置信度；最后通过置信度判断边界框内是否为无人机。本发明利用背景减除法减少了无人机检测中的背景噪声干扰，并且利用SE注意力机制增强了重要特征以及抑制非重要特征。经验证，本发明增加了无人机目标检测能力，有效减少无人机检测的误检、漏检的概率。