申请/专利权人:重庆理工大学
申请日:2023-12-29
公开(公告)日:2024-04-12
公开(公告)号:CN117877026A
主分类号:G06V20/69
分类号:G06V20/69;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06V10/762
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于注意力机制的轻量级YOLOv5微小物体检测,在目标检测任务中小目标基本存在精度低的问题。鉴于这种情况,提出一种基于注意力机制的算法。利用原始模型的深度可分离卷积准则实现模型的轻量化,对YOLOv5的颈部进行修改,结合FPN和PANet,将不同的语义信息融合在特征图中,实现初始图像的特征增强。使用更适合保留目标函数的激活函数将原来的ReLU激活替换为Swish激活。为了丰富目标检测环境,我们应用了数据增强方法,在这里,我们使用余弦退火对参数进行动态更新,并将其移植到我们新研究的YOLOV5算法中。它得到了有效的验证,并允许在CityPrersons数据集中的YOLO系列算法上进行实验。结果表明,我们创新的YOLOv5算法对于小物体的检测非常有效。
主权项:1.基于注意力机制的轻量级YOLOv5微小物体检测,其特征在于,所述方法包括:S1、数据获取;S2、融合注意力机制操作;S3、模型轻量化设计;S4、使用最优模型进行预测,保存预测结果,获取评价指标,最后进行结果对比。
全文数据:
权利要求:
百度查询: 重庆理工大学 基于注意力机制的轻量级YOLOv5微小物体检测
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。