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。

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