申请/专利权人：华南理工大学

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117877000A

主分类号：G06V20/58

分类号：G06V20/58;G06V10/774;G06V10/80;G06V10/82;G06V10/40;G06N3/0464

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YOLOv7的道路行人与车辆检测方法，包括以下步骤：步骤1对原始数据集进行格式转换，将得到的数据集按比例划分训练集和验证集；步骤2传输训练集图片进入YOLOv7的输入端，输入端采用Mosaic数据增强；步骤3通过输入端后的特征图进入YOLOv7的主干网络进行处理，步骤4特征图会从主干网络不同的地方进入YOLOv7的颈部网络中，生成多尺度信息的特征图；步骤5将聚合后的特征输入检测头，在检测头中进行损失优化和评估，本发明解决了现有道路多目标检测中存在小目标漏检、遮挡目标漏检以及目标尺寸跨度过大导致的漏检的问题，提高了检测精度。

主权项：1.一种基于改进YOLOv7的道路行人与车辆检测方法，其特征在于，包括以下步骤：对原始数据集进行格式转换，将得到的数据集按比例划分训练集和验证集；将训练集的图片输入改进的YOLOv7模型的输入端；通过输入端后的特征图进入改进的YOLOv7模型的主干网络结构，主干网络结构中包括Conv、Bottleneck-ELAN、SPPFCSPC模块；特征图从主干网络结构不同的地方进入改进的YOLOv7模型的颈部网络中，实现特征图之间跨尺度的直接融合；将聚合后的特征输入检测头Head，在检测头中进行损失优化和评估，并使用损失函数以改进的YOLOv7模型的训练效果，最终获得完成训练的模型；将车辆行驶过程中，车载摄像头所拍摄获得的包含多目标的图像输入到训练好的模型中，在模型中进行检测，最终实现对道路行人与车辆的检测。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于改进YOLOv7的道路行人与车辆检测方法

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