基于多尺度特征的無(wú)人機(jī)目標(biāo)識(shí)別算法

摘要： 針對(duì)無(wú)人機(jī)對(duì)于不同尺度的目標(biāo)識(shí)別存在誤檢和漏檢等問(wèn)題，提出了一種多尺度融合機(jī)制的YOLOv8-FDT無(wú)人機(jī)目標(biāo)識(shí)別算法。首先，在基線(xiàn)模型Neck層中添加動(dòng)態(tài)上采樣模塊，旨在降低模型參數(shù)量，提高模型對(duì)于目標(biāo)識(shí)別的實(shí)時(shí)性。此外，為了使得整個(gè)算法模型在特征融合階段能夠捕捉目標(biāo)的不同尺度語(yǔ)義信息，融合自適應(yīng)下采樣和深度卷積，設(shè)計(jì)特征聚焦擴(kuò)散金字塔網(wǎng)絡(luò)(Feature Diffusion... （共8頁(yè)）