申请/专利权人:福建农林大学
申请日:2023-03-30
公开(公告)日:2024-01-12
公开(公告)号:CN117392501A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/774;G06V20/70;G06V10/74;G06V10/778;G06N3/042;G06N3/0464;G06N3/08;G06V10/10;G06V10/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.30#实质审查的生效;2024.01.12#公开
摘要:本发明涉及了一种基于YOLOV7目标检测算法的实时违规旗帜检测方法,包括以下步骤:通过编写爬虫收集违规旗帜图片,确定违规旗帜检测的特征,利用图片标注工具对收集到的图片进行标注,制作违规旗帜数据集,同时,收集与违规旗帜具有相似特征的正常旗帜,制作混淆特征旗帜数据集;对模型算法进行优化,基于焦点和全局目标检测蒸馏,对YOLOV7目标检测算法进行改进,获得自适应孪生蒸馏YOLOV7‑tiny目标检测算法模型;区别于现有技术,本发明通过制作混淆特征旗帜数据集,提高违规旗帜识别能力,通过基于焦点和全局目标检测蒸馏,对YOLOV7目标检测算法进行改进,获得孪生蒸馏YOLOV7‑tiny目标检测算法模型,提高检测精度,可以达到实时检测。
主权项:1.一种基于YOLOV7目标检测算法的实时违规旗帜检测方法,其特征在于,包括以下步骤:数据集制作通过编写爬虫收集违规旗帜图片,确定违规旗帜检测的特征,利用图片标注工具对收集到的图片进行标注,制作违规旗帜数据集,同时,收集与违规旗帜具有相似特征的正常旗帜,制作混淆特征旗帜数据集,按特定比例对违规旗帜数据集与混淆特征旗帜数据集进行采样重组,制作训练集和验证集;对模型算法进行优化基于焦点和全局目标检测蒸馏,对YOLOV7目标检测算法进行改进,获得自适应孪生蒸馏YOLOV7-tiny目标检测算法模型;模型训练用制作好的数据集对YOLOV7-tiny目标检测算法模型进行孪生蒸馏训练,获得初步的目标旗帜检测模型自适应孪生蒸馏YOLOV7-tiny;模型优化通过实验和各种策略对初步的目标旗帜检测模型进行优化,同时,优化目标旗帜检测模型在实际应用场景中的健壮性,获得用于部署的违规旗帜检测模型,违规旗帜检测模型的训练和优化都在服务器端完成;模型部署将用于部署的违规旗帜检测模型进行量化处理,部署到AI边缘计算设备开发板上;视频检测对开发板输入的视频进行抽帧处理,将抽帧图片输入部署的违规旗帜检测模型进行检测,对检测到的包含违规旗帜的图片进行过滤处理或者报警提示,以保证视频场景的合规性。
全文数据:
权利要求:
百度查询: 福建农林大学 基于YOLOV7目标检测算法的实时违规旗帜检测方法
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。