申请/专利权人：武汉科技大学

申请日：2023-12-18

公开（公告）日：2024-03-22

公开（公告）号：CN117746385A

主分类号：G06V20/58

分类号：G06V20/58;G06V20/40;G06V10/25;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/0985

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：本发明涉及目标检测领域，针对当前车辆行人检测算法计算量大等问题，提出了一种基于改进YOLOv8n的轻量化车辆行人检测方法。首先，使用相机采集车辆行人图像数据并标注，将标注后的数据与开源数据集KITTI相结合，生成更加完备的车辆行人数据集；其次基于YOLOv8n检测模型进行改进，使用轻量化卷积模块Ghostconv和GhostC2f替换传统卷积，在颈部网络引入CBAM注意力机制并使用BiFPN结构以增强特征融合能力，使用WIoUv3作为损失函数；最后对改进后的模型进行训练验证，并部署到车载嵌入式设备实现车辆行人实时检测。结果显示相对于原始YOLOv8n，改进后模型计算量降低了24.7％，模型大小降低了15％，平均检测精度提升了0.7％。本发明能够在不降低检测精度的同时减少模型的计算量和模型大小，降低系统负载，具有较高的实用价值。

主权项：1.一种基于改进YOLOv8n的轻量化车辆行人检测方法，其特征在于，包括如下步骤：步骤1、采集车辆行人图片数据，在乘用车前挡风玻璃上端安装固定机位，根据采集的道路视频，分帧得到车辆行人图片数据；获取KITTI数据集并进行预处理。步骤2、训练集、验证集、测试集的生成，使用开源软件LabelImg对采集到的车辆行人数据进行标注，并进一步结合KITTI数据集，将结合后数据集按7：1：2的比例随机划分为训练集、验证集、测试集。步骤3、模型的轻量化改进，以YOLOv8n作为基准模型，在YOLOv8n基础上进行轻量化改进，得到改进后的模型。步骤4、模型训练，通过设置训练超参数，使用步骤2中的训练集对步骤3中的改进模型进行训练。步骤5、模型验证，设置验证参数对步骤4训练完成的模型进行验证。步骤6、将验证后的模型部署到车载嵌入式设备实现车辆行人实时检测。

全文数据：

权利要求：

百度查询： 武汉科技大学 基于改进YOLOv8n的轻量化车辆行人检测方法

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