申请/专利权人：福州大学

申请日：2023-11-28

公开（公告）日：2024-02-20

公开（公告）号：CN117576631A

主分类号：G06V20/52

分类号：G06V20/52;G06V20/40;G06V10/25;G06V10/44;G06V10/82;G06V10/774;G06N3/0464;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明提供一种基于ECA的改进YOLOv7道路非法小摊检测方法，包括：收集与非法小摊相关的有效素材，构建初始数据集；利用Automix和Augmentor技术对初始数据集进行数据增强处理；构建改进的YOLOv7网络，包括在YOLOv7网络中添加小目标检测头和注意力机制ECA模块；将道路非法小摊数据集输入到模型中，利用MPDIoU损失函数进行迭代，获得训练后的改进YOLOv7目标检测模型；对待检测的道路图像进行非法小摊检测，输出包含道路非法小摊区域检测框的检测图像。本发明采用城镇监控拍摄道路图像，对道路非法小摊能够进行快速且有效的识别。

主权项：1.一种基于ECA的改进YOLOv7道路非法小摊检测方法，其特征在于，包括以下步骤：S1：收集与道路非法小摊相关的素材，构建初始数据集，并对原始公共道路图像中的非法小摊区域进行标注，得到标注数据和标注图像集；S2：对原始非法小摊图像和标注图像集进行数据集增强，建立道路非法小摊图像数据集；S3：构建改进的YOLOv7网络，所述改进的YOLOv7网络包括：在YOLOv7网络的Anchor检测头中添加小目标检测头和注意力机制ECA模块；S4：将所述道路非法小摊数据集输入到改进的YOLOv7网络中进行模型训练，将预测结果与真实结果进行比对，利用MPDIoU损失函数进行迭代，得到训练的模型并更新网络权重，获得训练后的改进YOLOv7目标检测模型；S5：将待检测的公共道路图像输入至所述训练后的改进YOLOv7目标检测模型中，进行道路非法小摊检测，输出包含道路非法小摊区域检测框的检测图像。

全文数据：

权利要求：

百度查询： 福州大学 一种基于ECA的改进YOLOv7道路非法小摊检测方法

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