申请/专利权人:成都理工大学
申请日:2024-03-13
公开(公告)日:2024-04-12
公开(公告)号:CN117876848A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/774;G06V10/776;G06N3/0455;G06N3/0464;G06N3/082
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改进yolov5的复杂环境落石检测方法,属于灾害监测技术领域,步骤如下:获取落石图片数据集,并对落石图片数据集中的落石图片进行预处理,得到落石图片训练集和落石图片验证集;基于ECA注意力机制、BasicRFB模块构建GhostNet主干网络,并基于GhostNet主干网络对yolov5网络模型进行改进,得到改进的yolov5网络模型;对改进的yolov5网络模型进行训练和验证,得到落石检测网络模型;获取待检测的落石图片,并利用落石检测网络模型对待检测的落石图片进行预测,得到该待检测的落石图片的检测结果。本发明解决了复杂环境下山体落石检测效率低和准确度不足的问题。
主权项:1.一种基于改进yolov5的复杂环境落石检测方法,其特征在于,包括如下步骤:S1、获取落石图片数据集,并对落石图片数据集中的落石图片进行预处理,得到落石图片训练集和落石图片验证集;S2、基于ECA注意力机制、BasicRFB模块构建GhostNet主干网络,并基于GhostNet主干网络对yolov5网络模型进行改进,得到改进的yolov5网络模型;S3、利用落石图片训练集和落石图像验证集对改进的yolov5网络模型进行训练和验证,得到落石检测网络模型;S4、获取待检测的落石图片,并利用落石检测网络模型对待检测的落石图片进行预测,得到该待检测的落石图片的检测结果。
全文数据:
权利要求:
百度查询: 成都理工大学 基于改进yolov5的复杂环境落石检测方法
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。