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。

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