(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210253316.6 (22)申请日 2022.03.15 (71)申请人 中国科学院计算 技术研究所 地址 100190 北京市海淀区中关村科 学院 南路6号 (72)发明人 尚源峰　吴瑞康　刘畅　周一青　 石晶林　 (74)专利代理 机构 北京泛华伟业知识产权代理 有限公司 1 1280 专利代理师 王勇 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于YOLOv5网络的无人机目标检测模 型 (57)摘要 本发明实施例提供了一种基于YOLOv5网络 的无人机目标检测模型， 该模型包括： 主干模块， 用于对输入图像进行多次下采样， 得到多个不同 尺度的特征图； 颈部模块， 用于基于主干模块得 到的不同尺度的特征图进行多次上采样和特征 融合， 输出多个不同尺度的检测特征图， 其中， 相 比原始的YOL Ov5网络， 颈部模块的输 出增加一个 相比于原始 的YOLOv5网络中最大尺度的检测特 征图更大的新检测特征图， 并减少一个最小尺度 的检测特征图； 预测模块， 用于根据颈部模块输 出的多个检测特征图进行无人机目标预测， 得到 目标的预测位置信息和分类结果， 其中， 分类的 类别包括无 人机类和非无 人机类。 权利要求书2页 说明书10页 附图6页 CN 114612835 A 2022.06.10 CN 114612835 A 1.一种基于 YOLOv5网络的无 人机目标检测模型， 其特 征在于， ， 所述模型包括： 主干模块， 用于对输入图像进行多次下采样， 得到多个不同尺度的特 征图； 颈部模块， 用于基于主干模块得到的不同尺度的特征图进行多次上采样和特征融合， 输出多个不同尺度的检测特征图， 其中， 相比原始的Y OLOv5网络， 颈部模块的输出增加一个 相比于原始的Y OLOv5网络中最大尺度的检测特征图更大的新检测特征图， 并减少一个最小 尺度的检测特 征图； 预测模块， 用于根据颈部模块输出的多个检测特征图进行无人机目标预测， 得到目标 的预测位置信息和分类结果， 其中， 分类的类别包括无 人机类和非无 人机类。 2.根据权利要求1所述的模型， 其特征在于， 相比于原始的YOLOv5， 在颈部模块增加了 生成新检测特 征图所需的分支网络 。 3.根据权利要求1所述的模型， 其特征在于， 相比于原始的YOLOv5网络， 该模型的颈部 模块首个上采样层的输入数据不流向路径聚合网络， 并减少了生成最小尺度的检测特征 图。 4.根据权利要求2所述的模型， 其特征在于， 所述分支网络设置在颈部模块的特征金字 塔网络的最终输出端和路径聚合网络的输入端之间； 其中， 分支网络基于特征金字塔网络的最终输出端的输出和主干模块的首个C3网络输 出的相应尺度的特 征图， 生成新检测特 征图。 5.根据权利要求2或4所述的模型， 其特征在于， 所述分支网络依次包括对输入数据进 行处理的卷积层、 上采样层、 特 征融合层和C 3网络； 分支网络通过其卷积层和上采样层对输入的特征金字塔网络的最终输出端的输出进 行卷积操作和上采样， 特征融合层获取主干模块的首个C3网络输出 的相应尺度的特征图， 并将上采样后的结果与所述相应尺度的特征图进 行特征融合后， 输入至 分支网络的C3网络 生成新检测特 征图。 6.根据权利要求5所述的模型， 其特征在于， 相比于原始的YOLOv5网络， 在所述分支网 络的C3网络输出端和特 征金字塔网络的每 个C3网络的输出端引入卷积注意力机制层； 所述特征金字塔网络基于多个不同尺度的特征图， 多次进行上采样、 特征融合、 通过C3 网络处理和卷积注意力机制层处 理， 依次输出多个不同尺度的融合特 征图。 7.根据权利要求6所述的模型， 其特征在于， 所述路径聚合网络包括第一路径网络、 第 二路径网络以及设置在第一路径网络输出端和第二路径网络输入端之间的卷积注意力机 制层； 所述多个不同尺度的检测特 征图包括： 第一路径网络基于将分支网络生成的检测特征图通过卷积注意力机制层处理后的数 据和特征金字塔网络的最终输出端输出的相应尺寸的融合特征图， 输出的第一检测特征 图； 第二路径网络基于将第一路径网络输出的检测特征图输入卷积注意力机制层处理得 到的输出和特 征金字塔网络首次输出的相应尺寸的融合特 征图， 输出的第二检测特 征图。 8.根据权利要求1或7所述的模型， 其特征在于， 所述预测模块包括多个预测头， 每个预 测头用于预测相应尺度的检测特征图， 其中， 相比原始的Y OLOv5网络， 包括增加的一个用于 预测新检测特 征图的预测头， 减少一个用于预测最小尺度的检测特 征图的预测头 。权　利　要　求　书 1/2 页 2 CN 114612835 A 29.根据权利要求1所述的模型， 其特征在于， 相比原始的YOLOv5网络， 在主干模块中每 个C3网络的步长为1的瓶颈结构的残差分支中添加了多个Ghost网络层和卷积注意力机制 层， 其中， 残差分支依次包括Ghost网络层、 BN层、 ReLU激活函数层、 卷积注意力机制层、 Ghost网络层和BN层； 以及 将所述瓶颈结构的恒等映射分支中的标准卷积网络替换为深度可分离卷积网络 。 10.根据权利 要求1所述的模型， 其特征在于， 相比原始的YOLOv5网络， 在所述主干模块 的C3网络中步长为2的瓶颈结构的残差 分支中添加多个 Ghost网络层、 深度可分离卷积网络 和卷积注意力机制层， 其中， 残差分支依次包括Ghost 网络层、 BN层、 ReLu激活函数层、 深度 可分离卷积网络、 卷积注意力机制层、 Ghost网络层和BN层； 以及在所述瓶颈结构的恒等映射分支中的标准卷积网络输入端添加深度可分离卷积 网络。 11.根据权利要求1 ‑10任一项所述模型， 其特征在于， 还包括图像调整网络， 所述图像 调整网络为可参与训练的卷积神经网络， 用于将图像调整为预定尺度大小的输入图像， 所 述图像调整网络 输出端与改进的YOLOv5网络 输入端连接 。 12.根据权利要求11所述的模型， 其特征在于， 所述图像调整 网络包括残差分支网络和 恒等映射分支网络， 所述残差分支网络依次包括卷积层、 ReLu激活函数层、 卷积层、 ReLu激 活函数层、 BN层、 双 线性调整网络、 多个残差块、 卷积层、 BN层、 特征融合层和卷积层， 恒等映 射分支网络包括双线性调整网络 。 13.一种用于权利要求1 ‑12任一项的无人机目标检测模型的训练方法， 其特征在于， 包 括按照如下 方式对模型进行多次迭代训练： 获取训练集， 其中， 训练集中的样本由带有目标的图像和所述图像 中目标的标签信 息， 其中， 标签信息包括 位置信息和分类， 分类的类别包括无 人机类和非无 人机类； 利用训练集训练无 人机目标检测模型， 得到每 个样本中目标的预测结果； 根据本轮次全部样本的预测结果和标签信息的差异， 计算总损 失， 基于总损 失更新所 述无人机目标检测模型的参数。 14.根据权利要求13所述的方法， 其特 征在于， 所述总损失根据CIOU损失函数计算。 15.一种无 人机检测方法， 其特 征在于， 包括： 基于权利要求13中所述训练方法得到的无人机目标检测模型， 对无人机目标进行检 测， 得到检测结果。 16.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序 可被处理器执行以实现权利要求13 至15中任一项所述方法的步骤。 17.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 以及 存储器， 其中存 储器用于存 储可执行指令； 所述一个或多个处理器被配置为经由执行所述可执行指令以实现权利要求13至15中 任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114612835 A 3