申请/专利权人：河北工业大学

申请日：2021-11-05

公开（公告）日：2024-04-26

公开（公告）号：CN114005020B

主分类号：G06V20/00

分类号：G06V20/00;G06V10/22;G06V10/25;G06V10/774;G06V10/764;G06V10/82;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.02.22#实质审查的生效;2022.02.01#公开

摘要：本发明公开了一种基于M3‑YOLOv5的指定移动目标检测方法，将YOLOv5的骨干网络替换为原始MobileNetV3算法网络的去除最后的平均池化层和两个逐点卷积层的部分，并添加了上采样模块。将YOLOv5的瓶颈网络中的与输出端最近的3个CBL模块替换为1个PDP_1模块和2个PDP_2模块。本发明将YOLOv5目标检测算法与MobileNetV3检测算法相结合，改进简便，构建出检测速度快、检测精度高的网络模型。本发明在保留检测精度的同时提高了检测速度，更适用于指定移动目标的检测。

主权项：1.一种基于M3-YOLOv5的指定移动目标检测方法，其特征在于，该方法包括以下步骤：步骤1、获取目标检测所需的图像数据；步骤2、对图像数据进行划分，建立训练集和测试集；步骤3、结合MobileNetV3算法对YOLOv5算法进行改进，得到MobileNetV3-YOLOv5算法的网络模型；步骤3.1、将YOLOv5算法的骨干网络替换为去除最后的平均池化层和两个逐点卷积层的MobileNetV3网络；在此MobileNetV3网络中的第九个模块与第十个模块之间添加一个上采样模块；步骤3.2、将YOLOv5算法的瓶颈网络中的与最大尺度输出最近的CBL模块替换为PDP_1模块，与中间尺度输出最近的CBL模块替换为PDP_2模块，与最小尺度输出最近的CBL模块替换为PDP_2模块；PDP_1模块包括顺序连接的一个逐点卷积层、一个激活函数层、一个深度卷积层、一个激活函数层、一个逐点卷积层和一个带泄露修正线性单元函数层；PDP_2模块包括顺序连接的一个逐点卷积层、一个激活函数层、一个深度卷积层、一个激活函数层、一个逐点卷积层和一个带泄露修正线性单元函数层；步骤3.3、将YOLOv5算法的瓶颈网络中的第一个CSP2_1模块中卷积层的通道数设置为576；将瓶颈网络中的第一个CBL模块、第二个CSP2_1模块、与中间尺度输出最近的CSP2_1模块以及最小尺度输出路径上的PDP_2模块中卷积层的通道数设置为96；将最大尺度输出路径上的PDP_1模块、与最大尺度输出最近的CSP2_1模块以及中间尺度输出路径上的PDP_2模块中卷积层的通道数设置为48；将与最小尺度输出最近的CSP2_1模块中卷积层的通道数设置为192；进而得到MobileNetV3-YOLOv5网络模型；步骤4、使用步骤2得到的训练集对步骤3得到的MobileNetV3-YOLOv5网络模型进行训练，得到训练后的MobileNetV3-YOLOv5网络模型；步骤5、将步骤2得到的测试集输入步骤4得到的训练后的MobileNetV3-YOLOv5网络模型中进行检测，得到检测结果。

全文数据：

权利要求：

百度查询： 河北工业大学 一种基于M3-YOLOv5的指定移动目标检测方法

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