申请/专利权人:浙江理工大学
申请日:2023-12-18
公开(公告)日:2024-03-29
公开(公告)号:CN117788997A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/766;G06V10/764;G06V10/774;G06V10/25;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了一种基于YOLOv5的莲蓬轻量级目标检测方法。本发明搭建初始的基于YOLOv5的莲蓬轻量级目标检测模型,接着采用训练集和知识蒸馏策略对基于YOLOv5的莲蓬轻量级目标检测模型进行训练,然后采用测试集对基于YOLOv5的莲蓬轻量级目标检测模型进行测试,直到得到满足评价指标的基于YOLOv5的莲蓬轻量级目标检测模型,对目标莲蓬图像进行检测。本发明的基于YOLOv5的莲蓬轻量级目标检测模型具有较高的精度和较强的鲁棒性,且模型尺寸小,计算速度块,具有较高的实时性,能够应用于自然复杂环境下的莲蓬识别,在不同光照和遮挡条件下能够有效提取到莲蓬的特征。
主权项:1.一种基于YOLOv5的莲蓬轻量级目标检测方法,其特征在于:具体如下:步骤一、获取莲蓬图像数据集,采用离线增强方法对数据集进行扩充,并将扩充后的数据集划分为训练集和测试集;步骤二、基于传统的YOLOv5目标检测模型,将DarkNet骨干网络结构替换为GhostNet网络结构,将颈部层的特征金字塔网络替换为由BiFPN模块、GSConv模块和VoVGSCSP模块组成的轻量级双向特征金字塔网络,采用WIoU损失函数和Mish激活函数,搭建初始的基于YOLOv5的莲蓬轻量级目标检测模型;步骤三、采用训练集对初始的基于YOLOv5的莲蓬轻量级目标检测模型进行第一种训练,在完成第一种训练后采用知识蒸馏策略进行第二种训练,然后采用测试集对完成两种训练的基于YOLOv5的莲蓬轻量级目标检测模型进行测试,并对测试结果进行评价,若不满足评价指标,则修改模型参数重新训练和测试,直到满足评价指标,得到最终的基于YOLOv5的莲蓬轻量级目标检测模型;其中,每次训练前采用在线增强方法扩充训练集;步骤四、使用最终的基于YOLOv5的莲蓬轻量级目标检测模型对目标莲蓬图像进行检测。
全文数据:
权利要求:
百度查询: 浙江理工大学 一种基于YOLOv5的莲蓬轻量级目标检测方法
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。