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。

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