申请/专利权人:淮阴工学院
申请日:2022-07-15
公开(公告)日:2022-11-22
公开(公告)号:CN115375913A
主分类号:G06V10/44
分类号:G06V10/44;G06V10/762;G06V10/82;G06V10/26;G06N3/08;G06N3/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.12.09#实质审查的生效;2022.11.22#公开
摘要:本发明公开了一种基于IDT‑YOLOv5‑CBAM混合算法的密集小目标检测方法,采用模糊ISODATA动态聚类的方法对k‑means算法进行优化,避免局部最优解的情况发生;嵌入一个检测层,使得每个gridcell对应到原图中的感受野更小,增强小目标的检测能力;同时,采用并行策略add进行多尺度特征的融合,使它们在拥有高层语义信息的同时,保留了更多的细节信息;在模型中的Neck网络引入CBAM注意力机制模块,实现空间维度和通道维度的全方位兼顾;同时,将上采样更换为反卷积,通过反卷积的学习能力去让网络自己学习如何进行上采样,使之增强对目标图像中小目标的检测效果。本发明能够快速精确并尽可能多地识别出检测目标,极大的降低了模型的漏检率和误检率。
主权项:1.一种基于IDT-YOLOv5-CBAM混合算法的密集小目标检测方法,其特征在于,包括以下步骤:1对预先获取的待检测小目标图像进行预处理,制作数据集:2对原YOLOv5网络结构进行改进,得到改进后的IDT-YOLOv5-CBAM网络结构;3对改进之后的网络模型进行参数的调整:在IDT-YOLOv5-CBAM网络模型中,根据用户所需的识别效果和训练速度,设置卷积神经网络输入图像的尺寸、识别种类的数量、迭代次数;4对改进后的模型分别从准确率、召回率、Map值三个方面对训练好的IDT-YOLOv5-CBAM网络模型进行评估。
全文数据:
权利要求:
百度查询: 淮阴工学院 一种基于IDT-YOLOv5-CBAM混合算法的密集小目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。