申请/专利权人：江苏理工学院

申请日：2023-12-29

公开（公告）日：2024-03-22

公开（公告）号：CN117744745A

主分类号：G06N3/082

分类号：G06N3/082;G06N3/0495;G06N3/0464;G06N3/048;G06V10/82;G06V10/25;G06V10/44;G06V40/16;G06V20/59

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本申请公开了一种基于YOLOv5网络模型的图像优化方法及优化系统，属于机器视觉和深度学习技术领域，包括：接收来自采集设备所采集的第一图像集，该第一图像集包括至少三种类型的驾驶员表情图片；对第一图像集进行预处理，并将预处理后的图像制作为标准数据集，该标准数据集包括训练集、验证集和测试集；采用原始YOLOv5网络模型对标准数据集进行训练，在训练过程中调整训练参数以提高训练效果；分析网络结构，对原始YOLOv5网络模型的主干网络部分进行轻量化改进。在本申请的技术方案实施过程中，通过对模型进行轻量化设置，在减轻运行压力的同时保证模型性能损失较小，从而保持较高的识别准确率，适用于多种性能的硬件设备中。

主权项：1.一种基于YOLOv5网络模型的图像优化方法，其特征在于：该方法包括：接收来自采集设备所采集的第一图像集，该第一图像集包括至少三种类型的驾驶员表情图片；对第一图像集进行预处理，并将预处理后的图像制作为标准数据集，该标准数据集包括训练集、验证集和测试集；采用原始YOLOv5网络模型对标准数据集进行训练，并在训练过程中调整训练参数以提高训练效果；分析网络结构，对原始YOLOv5网络模型的主干网络部分进行轻量化改进。

全文数据：

权利要求：

百度查询： 江苏理工学院 一种基于YOLOv5网络模型的图像优化方法及优化系统

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