买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种基于解耦头部的Yolov3道路垃圾检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115861956B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211703314.9，技术领域涉及：G06V20/56；该发明授权一种基于解耦头部的Yolov3道路垃圾检测方法是由许水清;易文淏;陶松兵;章文焘;郑浩东;何启航;都海波;陈立平设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于解耦头部的Yolov3道路垃圾检测方法在说明书摘要公布了：本发明公开了一种基于解耦头部的Yolov3道路垃圾检测方法，属于计算机视觉技术领域，该检测方法包括建立改进Yolov3网络，所述改进Yolov3网络包括主干网络、Neck结构和检测头部，所述Neck结构包括通道注意力机制CA；通过获得的训练样本集对主干网络进行优化进而得到具有最佳识别效果的道路垃圾识别网络，并通过该网络实现对道路垃圾的检测和识别。本发明识别方法相比于传统的检测方法，能更好实现特征分离和融合，提高网络的识别能力。本发明的方法在测试样本集中的准确度，均高于其他方法，能更好的适应复杂的道路环境。

本发明授权一种基于解耦头部的Yolov3道路垃圾检测方法在权利要求书中公布了：1.一种基于解耦头部的Yolov3道路垃圾检测方法，其特征在于，将采集到的道路垃圾图像通过改进Yolov3网络结构，经训练得到最优检测效果的道路垃圾识别网络，并使用该垃圾识别网络对道路垃圾完成识别，具体包含以下步骤： 步骤1，道路垃圾图像的采集和处理 采集类道路垃圾图像，其中D记为道路垃圾图像的种类数； 在类道路垃圾图像中的每一类中选取张道路垃圾图像，得到张道路垃圾图像，然后对张道路垃圾图像分别采用种图像处理方式完成数据增强，获得Z×M×D张道路垃圾图像，并将该Z×M×D张道路垃圾图像组成一个训练样本数据集； 在类道路垃圾图像的每一类中再选取张图像之外的张道路垃圾图像得到张道路垃圾图像，将该张道路垃圾图像组成一个测试样本数据集，其中； 步骤2，建立基于解耦检测头部和通道注意力机制的改进Yolov3网络，所述改进Yolov3网络包括主干网络、Neck结构和检测头部； 步骤2.1，采用CSPDarkNet53网络作为主干网络，并定义实际网络层数除以标注网络层数256的值为深度系数ζ，所述主干网络的结构包括：由卷积核大小为的卷积层、批量标准化层、SiLU激活函数依次串行连接的标准卷积层，该标准卷积层具有32个输入通道；由卷积核大小为的卷积层、批量标准化层、SiLU激活函数依次串行连接的标准卷积层，该标准卷积层具有64个输入通道；由卷积核大小为的卷积层、批量标准化层、SiLU激活函数依次串行连接的标准卷积层，该标准卷积层具有128个输入通道；由卷积核大小为的卷积层、批量标准化层、SiLU激活函数依次串行连接的标准卷积层，该标准卷积层具有256个输入通道；由卷积核大小为的卷积层、批量标准化层、SiLU激活函数依次串行连接的标准卷积层，该标准卷积层具有512个输入通道；包含3个标准卷积层、128ζ个瓶颈模块的C3模块层；包含3个标准卷积层、256ζ个瓶颈模块的C3模块层；包含3个标准卷积层、512ζ个瓶颈模块的C3模块层；包含3个标准卷积层、1024ζ个瓶颈模块的C3模块层；SPPF模块层； 主干网络的输入为标准卷积层，输出为SPPF模块层，具体的，标准卷积层、标准卷积层、C3模块层、标准卷积层、C3模块层、标准卷积层、C3模块层、标准卷积层、C3模块层和SPPF模块层依次串联； 步骤2.2，采用FPN+PAN网络作为Neck结构，所述的Neck结构包括：一个卷积核大小为通道数为512的卷积层，一个卷积核大小为通道数为256卷积层、一个卷积核大小为通道数为128卷积层、一个卷积核大小为通道数为256卷积层；通道数为256的下采样层；四个Concat模块层分别记为Concat模块层、Concat模块层、Concat模块层和Concat模块层；两个512通道的C3模块层分别记为C3模块层、C3模块层，两个256通道的C3模块层分别记为和第四C3模块层；通道注意力机制CA； Neck结构的输入为三个，分别记为输入、输入和输入，其中，输入接主干网络的C3模块层的输出，输入接主干网络的C3模块层的输出，输入接主干网络的SPPF模块层的输出；Neck结构的输出为三个，分别记为输出、输出和输出，其中，输出为C3模块层的输出，输出为C3模块层的输出，输出为通道注意力机制CA的输出； 步骤2.3，采用解耦检测头部作为检测头部，所述检测头部的结构包括：卷积核大小为通道数为256的卷积层，卷积核大小为通道数为256的卷积层，卷积核大小为通道数为512的卷积层，卷积核大小为通道数为的卷积层，卷积核大小为通道数为4的卷积层，卷积核大小为通道数为1的卷积层； 解耦头部的输入为卷积层，卷积层分别与Neck结构的三条输出、、连接；其输出形成以下三条通路：第一条通路由卷积层、卷积层卷积层和卷积层依次串联构成；第二条通路由卷积层、卷积层、卷积层和卷积层依次串联构成；第三条通路由卷积层、卷积层、卷积层和卷积层依次串联构成； 步骤3，对步骤2建立的改进Yolov3网络进行训练，得到具有最优检测效果的网络，并将该具有最优检测效果的网络作为道路垃圾识别网络，具体步骤如下： 步骤3.1，将训练样本集中的道路垃圾图像的像素统一调整为； 步骤3.2，随机选取训练样本集中的张道路垃圾图像，并组成一个系列Г，Г=其中,Г中任意一个道路垃圾图像，记为图像，s=1,2,...,B，计算图像的实际类别概率张量、实际类别坐标张量和实际类别IoU张量，其中实际类别概率张量的尺寸为，实际类别坐标张量的尺寸为，实际类别IoU张量的尺寸为；其中表示各张量的高度，表示各张量的宽度，表示各张量的深度； 初始化图像的预测类别概率张量、预测类别坐标张量和预测类别IoU张量，其初始化过程为： 定义预测类别张量、预测类别坐标张量、预测类别IoU张量的坐标由横坐标、纵坐标、深度坐标构成，并记为； 任意选取横坐标、纵坐标、深度坐标其中、、并令，且中其他坐标的预测概率值均等于0，对预测类别坐标张量任意选取横坐标、纵坐标、深度坐标其中、、并令，且中其他坐标的预测概率值均等于0，对预测类别IoU张量任意选取横坐标、纵坐标、深度坐标其中、、并令，且中其他坐标的预测概率值均等于0； 步骤3.3,将步骤3.2选取得到的张道路垃圾图像输入主干网络后更新每张道路垃圾图像的预测类别概率张量、预测类别坐标张量及预测类别IoU张量，s=s=1,2,...,B； 步骤3.4,根据更新后的各个预测张量与实际张量对主干网络进行优化： 将图像的高度等分为H个线段、宽等分为W个线段，即将图像等分为H×W个网格； 对图像上的每个网格进行预测，并将得到的预测信息与真实信息进行对比，获得损失函数，通过梯度下降法得到最小化损失函数，完成主干网络的优化； 步骤3.5,重复步骤3.2至步骤3.4，直至训练样本集中的道路垃圾图像都被选取过，其中，如果最后一轮选取中，样本训练集剩下的道路垃圾图像数小于B，则从已经选取过的道路垃圾图像中随机选取道路垃圾图像进行补充； 将通过步骤3.2-步骤3.5完成优化的主干网络记为第h世代的主干网络，其中h为世代的序号； 步骤3.6，利用测试样本集计算第世代的主干网络对测试样本集中道路垃圾图像的均值平均精度，具体如下： 步骤3.6.1，定义类道路垃圾中任意一类道路垃圾为第i类垃圾，i=1,2,...,D； 定义预测框为网格上标记的矩形框，其中预测类别概率张量确定该矩形框检测的垃圾类别，预测类别坐标张量确定该矩形框的中心坐标，预测类别IoU张量确定矩形框的置信度；定义实际框为在道路垃圾图像上对道路垃圾人工标注的矩形框；定义重叠度I为预测框和实际框的面积交集除以面积并集的值； 步骤3.6.2，在0-1随机取不相等的n个小数构成重叠度阈值序列，K={Ki1,Ki2,...Kij,..Kin}，其中，Kij为第i类垃圾对应的第j个重叠度阈值，j=1,2,...,n； 定义TP为第i类垃圾中重叠度I≥第j个重叠度阈值Kij的预测框个数，FP为第i类垃圾中重叠度I＜第j个重叠度阈值Kij的预测框个数，FN为对实际框未给出对应预测框的个数，计算第i类垃圾在第j个重叠度阈值Kij中的召回率Rij和精确度Pij，其计算式分别如下： 步骤3.6.3，按照步骤3.6.2的方法计算重叠度阈值序列中所有重叠度阈值在第i类垃圾中的召回率和精确度，得到n个召回率Rij和精确度Pij，按照从1到n的顺序，以召回率Rij为横坐标、精确度Pij为纵坐标,在平面坐标系中绘制出一条曲线，并记为Pi-Ri曲线； 以Pi-Ri曲线、横坐标、纵坐标、Pi-Ri曲线的终点与横坐标的连线为轮廓线，计算轮廓线中的面积并记为第i类垃圾的AP值Fi； 步骤3.6.4，按照步骤3.6.2—步骤3.6.3的方法计算D类道路垃圾中每一类道路垃圾的AP值，得到D个AP值Fi，并根据D个AP值Fi计算第世代的主干网络对测试样本集中道路垃圾图像的均值平均精度， 步骤3.7，设重复次数为G，G次重复步骤3.4—步骤3.6，得到一个网络集合和一个均值平均精度集合,，； 为最高均值平均精度，，对应的主干网络即为具有最佳识别效果的网络，并记为道路垃圾识别网络； 步骤4，利用道路垃圾识别网络对道路垃圾进行识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。