申请/专利权人：西南交通大学

申请日：2023-12-28

公开（公告）日：2024-04-02

公开（公告）号：CN117809105A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V10/774;G06N3/084;G06V10/56;G06V10/20;G06N3/0464;G06V10/40;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种颜色相似灰度再验证的垃圾识别分类方法，包括以下步骤：构建垃圾易混淆程度检测模型，获取数据集图片并进行目标分数标注，利用数据集对垃圾易混淆程度检测模型进行训练，获取固定易混淆程度检测模型权重的垃圾易混淆程度检测模型；通过训练后的垃圾易混淆程度检测模型提取待检测垃圾图片的颜色和形状特征，并预测不同垃圾的类别、置信度、回归位置信息并标注易混淆程度；标注易混淆程度后的垃圾图片判断是否进行灰度变换；灰度变换后的垃圾图片经过形状特征细化再验证模块将单一形状特征的图像再识别，得到具体的垃圾分类。本发明提高易混淆的不同种类垃圾的检出率，降低误检率。

主权项：1.一种颜色相似灰度再验证的垃圾识别分类方法，其特征在于，包括以下步骤：构建垃圾易混淆程度检测模型，获取数据集图片并进行目标分数标注，利用数据集对垃圾易混淆程度检测模型进行训练，获取固定易混淆程度检测模型权重的垃圾易混淆程度检测模型；通过训练后的垃圾易混淆程度检测模型提取待检测垃圾图片的颜色和形状特征，并预测不同垃圾的类别、置信度、回归位置信息并标注易混淆程度；所述垃圾的类别、置信度、回归位置信息和易混淆程度通过yoloV5的模型卷积计算获得；根据预测的易混淆程度判断垃圾图片是否通过颜色特征变换模块进行灰度变换；灰度变换后的垃圾图片经过形状特征细化再验证模块将单一形状特征的图像再识别，得到具体的垃圾分类；所述垃圾易混淆程度检测模型的训练方法具体包括以下步骤：获取数据集图片，并对图片进行目标分数标注；随机从数据集中选择一张照片和对应的标注标签；使用CSPDarknet作为模型的Backbone，提取垃圾的特征，应用FAFPN网络进行多尺度特征融合；进行模型训练时，经过前向推理，使用四分支耦合检测头，得到模型的输出结果：回归类别标签、置信度、位置信息和易混淆程度；利用类别分类损失函数、置信度损失函数、回归位置损失函数以及易混淆程度损失函数计算垃圾易混淆程度检测模型输出与标签之间的总损失；总损失反向传播，更新易混淆程度检测模型的网络权重；重复上述步骤，待训练一定的次数或总损失收敛到期望值后，固定易混淆程度检测模型权重得到垃圾分类易混淆程度检测模型。

全文数据：

权利要求：

百度查询： 西南交通大学 一种颜色相似灰度再验证的垃圾识别分类方法

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