[发明专利]基于无人机与英伟达开发板的目标检测方法、系统及装置

权利要求书

1.一种基于无人机与英伟达开发板的目标检测方法，其特征在于，所述方法包括：

步骤S1：构建改进型YOLO v4-tiny模型；所述改进型YOLO v4-tiny模型包括：初始卷积模块、第一沙漏型池化模块、第二沙漏型池化模块、第三沙漏型池化模块、第一池化特征增强模块、第二池化特征增强模块、拼接模块、第一输出模块和第二输出模块；

步骤S2：利用训练集对改进型YOLO v4-tiny模型进行训练，获得最终目标检测模型；

步骤S3：利用视频采集卡获取无人机机载摄像头采集的视频流；所述视频流包括多张连续图像；

步骤S4：将所述视频流输入至部署在英伟达开发板上的最终目标检测模型进行目标检测，输出目标检测结果。

2.根据权利要求1所述的于无人机与英伟达开发板的轻量级目标检测方法，其特征在于，所述利用训练集对改进型YOLO v4-tiny模型进行训练，获得最终目标检测模型，具体包括：

步骤S21：将数据集PascalVOC、数据集MS COCO和数据集Visdron中任意一个作为训练集时，则训练集中的图像输入至改进型YOLO v4-tiny模型进行训练，利用总损失函数计算损失值，直至满足第一终止条件，选取最小损失值或最大准确度对应的改进型YOLO v4-tiny模型作为最终目标检测模型。

3.根据权利要求1所述的于无人机与英伟达开发板的轻量级目标检测方法，其特征在于，所述利用训练集对改进型YOLO v4-tiny模型进行训练，获得最终目标检测模型，具体包括：

步骤S21：将数据集PascalVOC、数据集MS COCO和数据集Visdron中任意两个作为训练集时，则任意选取一个数据集中的图像输入至改进型YOLO v4-tiny模型进行训练，利用总损失函数计算损失值，直至满足第一终止条件，选取最小损失值或最大准确度对应的改进型YOLO v4-tiny模型作为第一目标检测模型；

步骤S22：将另一个数据集中的图像输入至第一目标检测模型进行训练，利用总损失函数计算损失值，直至满足第二终止条件，选取最小损失值或最大准确度对应的第一目标检测模型作为最终目标检测模型。

4.根据权利要求1所述的于无人机与英伟达开发板的轻量级目标检测方法，其特征在于，所述利用训练集对改进型YOLO v4-tiny模型进行训练，获得最终目标检测模型，具体包括：

步骤S21：将数据集PascalVOC、数据集MS COCO和数据集Visdron构成训练集时，则数据集PascalVOC中的图像输入至改进型YOLO v4-tiny模型进行训练，利用总损失函数计算损失值，直至第一满足终止条件，选取最小损失值或最大准确度对应的改进型YOLO v4-tiny模型作为第一目标检测模型；

步骤S22：将数据集MS COCO中的图像输入至第一目标检测模型进行训练，利用总损失函数计算损失值，直至满足第二终止条件，选取最小损失值或最大准确度对应的第一目标检测模型作为第二目标检测模型；

步骤S23：将数据集Visdron中的图像输入至第二目标检测模型进行训练，利用总损失函数计算损失值，直至满足第三终止条件，选取最小损失值或最大准确度对应的第二目标检测模型作为最终目标检测模型。

5.根据权利要求2-4任一项所述的于无人机与英伟达开发板的轻量级目标检测方法，其特征在于，所述总损失函数的具体计算公式为：

其中，L为总损失函数，L_DIOU为定位损失函数，L_cls为目标置信度损失函数，L_class为分类损失函数，ρ(B,B^gt)为对无人机图像预测框B中心点与真实框B^gt中心点的欧氏距离，c为无人机图像的预测框与真实框相距最远的顶点的距离，IOU为预测框和真实框的交并比。