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！

龙图腾网恭喜武汉大学申请的专利一种基于YOLOv5的交通标志检测方法和系统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：CN116977976B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202310831023.6，技术领域涉及：G06V20/58；该发明授权一种基于YOLOv5的交通标志检测方法和系统是由曹越;宋建用;李子璇设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本一种基于YOLOv5的交通标志检测方法和系统在说明书摘要公布了：本发明公开了一种基于YOLOv5的交通标志检测方法和系统，通过使用在线离线混合数据增强方法实现数据集扩增，设计C2fGhost模块并基于该模块重构CSPDarkNet特征提取网络，能够在实现轻量化的同时获得更加丰富的梯度流信息；使用浅层特征P2取代深层特征P5进行预测，提高模型小目标检测能力；引入Efficient‑RepGFPN作为特征融合网络，提高模型多尺度检测能力；采用Wise‑IoUV3损失函数替代原有的CIoU损失函数作为定位损失函数，提高模型在低质量数据集上的训练效果；使用置信度缩放蒸馏进一步增强模型推理性能；对蒸馏后的模型进行INT8量化，显著降低模型的参数量和计算量。本发明具有较高的小目标检测性能和推理速度，在车载平台等性能受限平台上具备较好的实时推理性能。

本发明授权一种基于YOLOv5的交通标志检测方法和系统在权利要求书中公布了：1.一种基于YOLOv5的交通标志检测方法，其特征在于，包括如下步骤：S1，准备数据集，使用在线离线混合数据增强方法对交通标志检测数据集进行预处理，以扩充数据集并减少Mosaic数据增强对小目标图像的损伤；S2，构建基于YOLOv5的交通标志检测网络作为目标检测网络，并改进网络中的定位损失函数；步骤S2中所述基于YOLOv5的交通标志检测网络包括CSPDarkNet特征提取网络、特征融合网络和检测头三部分，具体实现方式如下：所述CSPDarkNet特征提取网络的结构为：首先，使用CBS模块处理输入图片，得到浅层特征P1，然后，通过4组步长2的CBS模块和C2fGhost模块构成4级特征提取模块，进一步对浅层特征P1进行处理，依次得到P2-P5，其中，P3和P4使用CBS连接，实现跨尺度特征融合和信息传递，作为特征融合模块的输入，同时将深层特征P5输入至SPPF结构得到融合输入特征，也作为特征融合模块的输入；引入Efficient-RepGFPN作为特征融合网络，其处理过程为：首先融合输入特征通过CBS和上采样操作得到第一融合特征，将低层特征映射到与高层特征相同的尺度，然后与原始特征P4经过CBS处理之后的特征进行连接，以保留原始特征的信息；接着通过Queen-Fusion与CBS对特征进行处理得到第二融合特征，增强特征的表达能力，随后通过上采样操作恢复细节信息，将经过上采样的特征与特征P3进行连接，实现特征之间的信息传递和交互，再将输出信息经过第一Queen-Fusion模块提升分辨率，并将此作为第一层输出F1，描述大尺度语义信息，同时将第一Queen-Fusion模块的输出输入CBS模块进行处理，并与第二融合特征进行融合，保留原始信息，再通过第二Queen-Fusion模块，将此时的特征作为第二层输出F2，描述中尺度语义信息；最后，将第二Queen-Fusion模块的输出输入CBS模块进行处理，并与第一融合特征进行融合，再通过第三Queen-Fusion模块，得到第三层输出F3，描述小尺度语义信息；将F1、F2和F3分别输入到检测头，得到检测结果；S3，对目标检测网络进行训练，采用目标检测损失函数，并使用混合精度训练、预热学习、余弦退火学习率和早停训练策略；S4，采用置信度缩放蒸馏损失对训练后的目标检测网络模型进行知识蒸馏，最后利用加权的方式将目标检测损失函数和蒸馏损失函数结合，构成最终损失函数；S5，使用OpenVINO训练后优化工具对知识蒸馏后的模型进行INT8量化。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。