无人机图像目标检测：Drone-YOLO的创新与应用

已于 2025-02-23 18:39:29 修改
阅读量762 收藏 7
点赞数 14
分类专栏： YOLO&计算机视觉研究与目标检测 文章标签： 目标检测 Drone-YOLO 无人机 计算机视觉
于 2025-02-23 10:39:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zhangjiaofa/article/details/145805984
版权

目录

  1. 前景概要
  2. 背景
  3. 新框架设计介绍
  4. 项目落地效果
  5. 代码实现

前景概要

无人机图像中的目标检测是多个研究领域的重要基础。然而，无人机图像带来了独特的挑战，包括图像尺寸大、检测对象尺寸小、分布密集、实例重叠和照明不足，这些都会影响对象检测的有效性。

在本次分享中，我们提出了Drone-YOLO，这是一系列基于YOLOv8模型的多尺度无人机图像目标检测算法，旨在克服与无人机图像目标检测相关的特定挑战。为了解决大场景大小和小检测对象的问题&#x

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Drone-Yolo:一种高效的无人机图像目标检测神经网络方法
m0_47867638的博客
11-01 6308
近15年来，随着无人机控制技术的逐步成熟，无人机遥感影像因其性价比高、易于获取等优点，已成为低空遥感研究领域的重要数据源。在此期间，深度神经网络方法得到了广泛的研究，并逐渐成为图像分类[1-3]、目标检测[4-6]和图像分割[7-9]等任务的最佳方法。然而，目前应用的大多数深度神经网络模型，如VGG[1]、RESNET[2]、U-NET[7]、PSPNET[8]，主要是使用手动采集的图像数据集开发和验证的，如VOC2007[10]、VOC2012[11]、MS-COCO[12]，如图1所示。
番外篇 | YOLOv8改进之结合Drone-YOLO：一种有效的无人机图像目标检测
突然好想你
06-04 782
YOLOv8改进之结合Drone-YOLO：一种有效的无人机图像目标检测。🌈
Drone-YOLO
whaosoft143ai的博客
09-04 641
如下图所示，我们提出了sandwich-fusion（SF），这是一种三尺寸特征图的新融合模块，它优化了目标的空间和语义信息，用于检测头。然而，目前应用的大多数深度神经网络模型，如VGG、RESNET、U-NET、PSPNET，主要是使用手动收集的图像数据集开发和验证的，如VOC2007、VOC2012、MS-COCO，如下图所示。它们的设计应满足飞行后数据处理的要求，可以提供高精度和召回率的结果，或者它们应设计为具有较小规模参数的模型，可以部署在嵌入式硬件环境中，用于无人机上的实时处理。whaosoft
【阅读文献笔记】Drone-YOLO: An Efficient Neural Network Method for Target Detection in Drone Images
qq_46460379的博客
11-12 587
与卷积层相比，RepVGG模块增强了网络学习多尺度特征的能力，并产生了更好的检测结果。基于相同大小卷积核的可加性原理，将填充后的核加入到原来的3 ×3卷积核中，形成一个3 ×3卷积核进行推理。在我们的实验中，在ViSDrone2019-test数据集中，我们提出的Drone-YOLO(大型)在mAP0.5中的类目标检测方面优于基线方法，并且在。自上向下分支：该分支由1、2、3层组成，不同层通过SPPF模块分别从主干层和阶段1、阶段2、阶段3、阶段4接收特征映射P1、P2、P3、P4、P5。
计算机视觉研究院 | Drone-YOLO：一种有效的无人机图像目标检测
csdn_xmj的博客
04-07 8845
无人机图像中的目标检测是各个研究领域的重要基础。然而，无人机图像带来了独特的挑战，包括图像尺寸大、检测对象尺寸小、分布密集、实例重叠和照明不足，这些都会影响对象检测的有效性。
Drone-YOLO：一种有效的无人机图像目标检测
gzq0723的博客
09-04 6713
点击蓝字 关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute无人机图像中的目标检测是各个研究领域的重要基础。然而，无人机图像带来了独特的挑战，包括图像尺寸大、检测对象尺寸小、分布密集、实例重叠和照明不足，这些都会影响对象检测的有效性。01前景概要今天分享中，...
【超详细】基于YOLOv8改进1-Drone-YOLO复现
weixin_45679938的博客
05-20 7501
如下图，改进 3（加小目标分支）是提升最显著，为 6.8 个点，无人机小目标较多（P2 是 v8 自。改进 2：三明治结构（作者提出），相比于原先的 concat 操作，多融合了一个上层大尺度特征。（1）性能主要提升来自增加对小目标检测的 P2 层（即增加一个 160*160 的大尺度检测。如下图所示，在 yolov8-n 基础改进上，精度有所提升，参数变化不大，但是推理速度大幅。积核被合并为一个 3×3 卷积层。（2）增加 P2 分支与多支路融合虽然在模型参数方面略微增加，但推理耗时显著增加，不。
YOLO系列算法旋翼无人机目标检测 YOLO无人机检测数据集-drone-part1.zip
04-17
1、YOLO系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共量部分，由于数量量太大，分为两部分，这里是第一部分 2、part1数量：5000多张 3、classes: drone 4、有...
yolov5多旋翼航拍无人机目标检测数据集 yolo-drone-detect-dataset-1.zip
08-05
几千张yolov5多旋翼航拍无人机目标检测数据集dataset1，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， 数据集和检测结果参考：...
YOLO无人机检测数据集-drone-part2.zip
04-17
1、YOLOv5、v3、v4、SSD、FasterRCNN系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共两部分，由于数量量太大，分为两部分，这里是第一部分 2、part2 数量：6000多张 3、classes: drone 4、有需要的可以下载
基于YOLOv3的视频中无人机的目标检测（包括CUDA等环境配置）
Supdan的技术博客
12-05 5196
在SLAM毫无建树的我又投入了深度学习的大坑，由于项目需求需要做无人机的目标检测，这里把搭建系统中的一些问题记录下来，方便之后复现。 系统搭建 采用YOLOv3来进行无人机的检测，yolo的安装：YOLO: Real-Time Object Detection 这作者可太牛逼了，居然c语言直接就撸了一个网络，下下来直接make就行了，不用搭建任何环境就能简单的看到效果，当然其本身的网络是不支持无人...
【专栏目录】
m0_47867638的博客
12-13 1110
本专栏是讲解如何改进YoloV5|V7的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。求质不求量，争取尽心尽力打造精品专栏！已经更24篇内容，还在持续更新中。
LUD-YOLO：一种用于无人机的新型轻量级目标检测网络
gzq0723的博客
02-22 1746
点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式代码地址：www.sciencedirect.com/science/article/pii/S0020025524012805计算机视觉研究院专栏Column of Computer Vision Institute亮点：专为无人机打造的轻量级目标检测网络 LUD - YOLO。提出全新...
YOLO改进之在YOLOv5、V8中加入RepVGG
qq_35892287的博客
01-04 2561
最近在使用yolov5和v8做小目标的检测效果对比，准备复现一下drone-YOLO的工作，本来许多工程都是面向Git的借鉴（copy）工作，但是在查阅资料的时候发现很多帖子都引流到付费订阅上，另外就是某些帖子记录不全，导致反复踩坑，为了方便后来者居上，记录下改进（踩坑）过程。RepVGG是基于VGG改造的卷积神经网络，在训练时具备多分支结构，但是在推理时仅有3*3卷积和Relu组成。在ImageNet的Top1精度达到80%，同时推理速度相比ResNet有了明显提升。
智能无人机检测：基于YOLO和深度学习的全流程实现
a871923942的博客
07-23 935
随着无人机技术的快速发展，无人机在各个领域的应用越来越广泛。为了增强无人机的智能化水平，目标检测技术变得尤为重要。本文将介绍如何使用YOLO模型（YOLOv8/v7/v6/v5）构建一个基于深度学习的无人机目标检测系统，包括环境搭建、数据收集与处理、模型训练、系统实现及用户界面设计等步骤。环境搭建数据收集与处理模型训练系统实现用户界面设计目录简介系统概述环境搭建安装必要的库验证安装数据收集与处理数据收集数据标注模型训练配置YOLO数据集训练代码系统实现目标检测用户界面设计界面代码。
【无人机】地面站crazyfile-cfclient免安装方法，Python3.10的整体环境配置打包
Mike Zhou的博客
06-08 827
【无人机】地面站crazyfile-cfclient免安装方法，Python3.10的整体环境配置打包
PX4 | 无人机关闭磁力计罗盘飞行（yaw estimate error报错解决方法）
zlm2004的博客
06-05 387
PX4 | 无人机关闭磁力计罗盘飞行
2025年ASOC SCI2区TOP，协同搜索框架自适应算法+多无人机巡检规划，深度解析+性能实测
最新发布
Logic_9527的博客
06-10 640
多无人机巡检路径规划已成为在数据采集截止时间前完成巡检任务的重要研究课题，本文提出了一种名为 Sa-VCO自适应启发式算法，结合协同搜索框架，用于解决多无人机巡检路径规划问题。Sa-VCO设计了一种区域网格化分散方法，将原始目标区域转化为一组标准的目标子区域，从而允许多个无人机共同完成高成本区域的巡检任务；提出了一种自适应初始解生成策略，利用所有目标构建的图结构信息；建立了一个协同搜索框架，用来增强搜索效率并提升种群多样性。
drone-yolo:一种有效的无人机图像目标检测
11-22
该技术采用You Only Look Once (YOLO)算法，可在无人机拍摄的图像中快速准确地检测目标物体。 drone-yolo的有效性在于其高速和精确度。由于无人机拍摄的图像通常具有大量的细节和复杂场景，传统的目标检测方法在...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值