申请/专利权人：新疆农业大学

申请日：2023-09-06

公开（公告）日：2024-02-09

公开（公告）号：CN117541840A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/50;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明公开了一种改进的轻量化小麦麦穗检测算法，涉及小麦麦穗识别技术领域，具体包括：S1：改进主干特征提取网络，具体为利用EfficientViT来取代YOLOV7‑Tiny的主干网络；S2：引入上采样算子CARAFE，具体为采用感受野较大的轻量级通用上采样算子CARAFE；S3：引入注意力机制，具体为EMA注意力机制。本发明通过EfficientViT替换YOLOv7‑Tiny的Backbone层，EfficientViT采用了高效的计算方法，通过优化内存效率和减少计算冗余，提高模型的计算效率。

主权项：1.一种改进的轻量化小麦麦穗检测算法，其特征在于，包括：S1：改进主干特征提取网络，具体为利用EfficientViT来取代YOLOV7-Tiny的主干网络，以减少模型参数，加快检测速度并节省计算资源；其中，EfficientViT由三个EfficientViTBuildingBlocks组成；S2：引入上采样算子CARAFE，具体为采用感受野较大的轻量级通用上采样算子CARAFE，利用CARAFE代替所有特征层中最近邻插值上采样，以加强低分辨率特征图经过CARAFE上采样与高分辨率特征图的融合，提升了特征金字塔网络性能；所述CARAFE包括上采样核预测模块和特征重组模块；S3：引入注意力机制，具体为EMA注意力机制，以此选择出有效的位置并将其加入到YOLOv7-tiny网络模型中进行特征融合；所述EMA注意力机制模块从CoordinateAttention注意力机制的设计策略，将位置信息嵌入到通道注意中，将通道注意力分解为沿两个不同方向聚合特征的一维特征编码过程，分别沿水平方向和垂直方向做一维全局平均池化。

全文数据：

权利要求：

百度查询： 新疆农业大学 一种改进的轻量化小麦麦穗检测算法

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