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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD