申请/专利权人：南京航空航天大学

申请日：2024-02-27

公开（公告）日：2024-04-26

公开（公告）号：CN117788471B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及一种基于YOLOv5检测飞机蒙皮缺陷和分类的方法，包括收集飞机蒙皮损伤图片，并对图片标注锚框，对所获取到的图片根据不同的损伤进行数据集分类，分为训练集和测试集，利用双线性插值算法进行信息插值，从而使得训练集数据加强，构建YOLOv5模型并优化模型，将所采集到的增强后的训练集数据输入优化后的YOLOv5模型中来训练模型，得到训练后的权重文件并保存最佳模型，将训练好的权重文件应用于测试集的图片检测来检测数据集，并通过Pyside6可视化检测结果。本发明在骨干网络backbone层引入新的注意力机制，能够将横向和纵向的空间位置信息编码到通道注意力中，提升模型在检测小物体的能力和当物体过于密集时，能够精确的定位到所检测的物体。

主权项：1.一种基于YOLOv5检测飞机蒙皮缺陷和分类的方法，其特征在于，包括以下步骤：S1、采集飞机蒙皮损伤原始图像，对所获取到的图像根据不同的损伤进行分类，再将分类好的图片分为训练集和测试集；S2、将所收集到的不同角度的训练集的损伤图片利用双线性插值算法进行信息插值，进而获取优化后的图像，使得训练集数据增强；S3、对原YOLOv5模型进行优化，获得优化后的YOLOv5模型；其具体过程包括以下步骤：S31、在backbone骨干网络层引入新的注意力机制CA，新的注意力机制CA将x和y方向的输入训练集分为两个独立方向，将横向和纵向的空间位置信息编码到通道注意力中，使用池化核1,W和H,1来编码横向和纵向特征，因此，高度h的第c维特征的输出为： 同理，宽度w的第c维特征的输出为： 其中，H为特征图的高度；W为特征图的宽度；xc为中间特征；h，i，j，w为已知的坐标；S32、上述两式从横向和纵向不同的方向集成特征，输出一对方向可知的特征图Zh,Zw，通过concatenate连接函数将特征图Zh,Zw连接起来获得连接后的特征图F1，并使用卷积变化函数对其进行操作，从而获得包含有横向和纵向空间信息的中间特征图f，其公式如下所示：f＝δF1Zh,Zw；其中，δ为缩减因子；S33、沿着空间维度，将x，y方向的信息分别编码到不同的注意力图中，对包含有横向和纵向空间信息的中间特征图f进行分割操作，分成两个方向上的张量fh和fw，然后通过sigmoid激活函数得到最后的高度注意力权重和宽度注意力权重gh和gw，其表达式如下：gh＝σFhfh；gw＝σFwfw；其中，Fh，Fw为1*1的卷积核，σ为sigmoid激活函数；S34、CA注意力机制公式表示成： S35、使用DIoU-NMS算法替换原模型中的NMS算法，DIoU-NMS不仅考虑IoU，还会考虑两个框中心之间的距离，若两个框之间的距离大，此时该算法会认为这是两个物体的框，从而不会过滤掉，对于模型中NMS的优化，只需要将原模型中的NMS中的IoU替换成DIoU，其公式如下所示： 其中，b，bgt分别代表了预测框和真实框的中心点，ρ代表的是计算两个中心点间的欧氏距离，c代表的是能够同时包含预测框和真实框的最小闭包区域的对角线距离；DIoU-NMS的公式如下所示： 其中，si是分类置信度；M表示预测框中得分更高的边界框；ε是DIoU-NMS的阈值，Bi是遍历各个框跟置信度高的重合情况；RDIoU为惩罚公式；S36、更换原模型中的损失函数为CIoU，该损失函数在DIoU的基础上增加了检测尺度的loss损失函数，增加了长和宽的loss损失函数，考虑到边界框的中心距离，宽度和高度的差异，使得目标框回归更加稳定，其公式如下所示： lossCIoU＝1-CIoU；其中，A，B为两个集合；α为权重函数；v用来度量长宽比的相似性；S4、将所采集到的增强后的训练集数据输入优化后的YOLOv5模型中，得到训练后的权重文件；S5、将训练好的权重文件应用于测试集的图片检测，并通过Pyside6可视化检测结果。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于YOLOv5检测飞机蒙皮缺陷和分类的方法

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