申请/专利权人：江西憶源多媒体科技有限公司;江西华瑞数字技术有限公司

申请日：2023-11-20

公开（公告）日：2024-04-26

公开（公告）号：CN117935178A

主分类号：G06V20/54

分类号：G06V20/54;G06V10/82;G06N3/0464;G06V10/774;G06N3/048;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明涉及计算机视觉领域，公开了一种基于改进YOLOv7‑tiny的特种车辆检测方法，该方法在YOLOv7‑tiny模型的主干网络与颈部网络分别引入不同数量的ECA‑Net注意力模块，从而抑制冗余信息，强化模型的特征提取能力，将原模型颈部网络中的ELAN模块使用ConvNextBlock更换，以此扩展感受野，提升模型对于目标核心特征的利用率，采用功能性更加强大的FocalEIoULoss定位损失函数加速预测框收敛，并提升其回归精度。在自制特种车辆数据集上实验表明，本发明的精确率非常可观，能够有效改善漏检、误检情况，实现了对施工路段中作业及停放的特种车辆的监测需求与准确预警，降低了成本和预防了危险，可以为工人的生命财产安全提供进一步的保障。

主权项：1.一种基于改进YOLOv7-tiny的特种车辆检测方法，其特征在于，包括如下步骤：S1、数据集增强，通过网络爬虫以及视频帧截图的方式收集关于特种车的图像，然后使用标注工具labelimg对图像中的目标进行标记位置及类别，并按照一定的比例对以上图像进行分配，且将数据集按照目标类别进行分类，获得待检测特种车辆数据集，并在此基础上进行数据增强，即通过裁剪、旋转、增添遮挡、添加噪声等系列方式对图像进行几何变换，依此扩展丰富数据集样本，赋予数据样本多样性以提升模型泛化，获得增强特种车辆数据集；S2、改进YOLOv7-tiny网络模型，基于YOLOv7-tiny网络模型，在此模型的主干网络和颈部网络上引入ECA-Net注意力模块，然后添加ConvNextBlock替换颈部网络中的ELAN模块，最后采用更为强大的FocalEIoULoss作为模型的定位损失，从而完成改造，构建出新的特种车辆检测模型；S3、模型训练，将经过数据增强的增强特种车辆数据集送入新的特种车辆检测模型中，准备好实验配置并进行网络参数的设置之后开始迭代训练，直至模型最终收敛，保存最优模型权重，最终获得改进YOLOv7-tiny的特种车辆检测模型；S4、特种车辆检测，使用改进YOLOv7-tiny的特种车辆检测模型对施工场景下作业或停放的车辆进行检测，最终获得特种车辆的位置及类别，并输出检测结果，进行准确预警，预防损害的发生。

全文数据：

权利要求：

百度查询： 江西憶源多媒体科技有限公司;江西华瑞数字技术有限公司 一种基于改进YOLOv7-tiny的特种车辆检测方法

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