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。