申请/专利权人:常州大学
申请日:2023-12-26
公开(公告)日:2024-03-22
公开(公告)号:CN117746057A
主分类号:G06V10/44
分类号:G06V10/44;G06V20/52;G06V10/771;G06V10/25;G06V10/776;G06N3/045;G06N3/0464
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:本发明涉及图像处理技术领域,尤其涉及基于YOLOv5s的X光危险品检测方法及系统,包括制作YOLOv5sX光危险品的数据集;对图片数据集进行预处理和数据增强;改进YOLOv5s网络的Backbone,在Backbone中的第2个到第4个C3层后添加EMA模块;改进YOLOv5s网络的neck,将neck层的两个上采样模块改为PixelShuffle上采样模块,并连接DepthwiseConvolution模块,并对改进YOLOv5s网络进行训练;使用Soft‑NMS非极大值降低重叠框的得分,减少误检率。本发明解决现有模型主干网络无法高效提取特征,鲁棒性与准确性仍需进一步提高的问题。
主权项:1.基于YOLOv5s的X光危险品检测方法,其特征在于,包括以下步骤:步骤一、制作YOLOv5sX光危险品的数据集;步骤二、对图片数据集进行预处理和数据增强;步骤三、改进YOLOv5s网络的Backbone,在Backbone中的第2个至第4个C3层后添加EMA模块;步骤四、改进YOLOv5s网络的neck,将neck层的两个上采样模块改为PixelShuffle上采样模块,并在PixelShuffle上采样模块后连接DepthwiseConvolution模块,并利用测试集对改进YOLOv5s网络进行训练;步骤五、使用Soft-NMS非极大值降低重叠框的得分,减少误检率。
全文数据:
权利要求:
百度查询: 常州大学 基于YOLOv5s的X光危险品检测方法及系统
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。