龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：哈尔滨理工大学
摘要：本发明提出了一种基于YOLOV5改进的目标检测方法SSC‑YOLOV5，针对自动驾驶领域中传统目标检测模型存在的对于行人、非机动车、受遮挡车辆等小目标检测精度低的问题。该算法主要步骤包括：S1：获取自动驾驶领域数据集KITTI并对其进行类别重新划分得到新的数据集。S2：在YOLOV5的骨干网络中添加Swin‑transformer模块，通过多头自注意力和分层结构，可以有效地捕获图像中的依赖关系和上下文信息。使用SPPFCSPC模块代替SPPF，从而增大感受野，以便检测不同的目标。S3：引入轻量级上采样算子CARAFE，减少上采样过程中特征信息的损失。S4：将SSC‑YOLOV5与YOLOV5S的实验结果进行对比。实验结果表明，与YOLOV5S相比，SSC‑YOLOV5在检测精度上相比有一定的优势，改进后的算法适用于复杂交通场景下的目标检测任务。
主权项：1.一种基于YOLOV5改进的自动驾驶目标检测算法，其特征在于，包括以下步骤：S1：获取公开的自动驾驶数据集KITTI，将原始数据集的标签类别进行重新分类，并将分类后的数据集以7:2:1的比例划分为训练集、验证集和测试集。S2：对YOLOV5的backbone骨干网络进行改进，引入Swin-transformer模块，SwinTransformer在处理图像时具有强大的特征表示能力，通过多头自注意力和分层结构，可以有效地捕获图像中的依赖关系和上下文信息，有助于改善目标检测性能，尤其是针对具有复杂背景和多尺度物体的场景；同时使用SPPFCSPC模块代替SPPF，从而增大感受野，以便检测不同的目标。S3：引入轻量级上采样算子CARAFE，在不引入较大计算量的同时减少上采样过程中特征信息的损失，得到SSC-YOLOV5网络模型。S4:使用原YOLOV5S网络模型和改进后得到的SSC-YOLOV5分别在S1处理后的数据集上进行训练，得到实验结果后进行对比和分析。本发明实验部分采用平均均值精度mAP50、mAP50：95和精确率、召回率作为检测模型精度的衡量指标；采用每秒检测帧数作为模型检测速度的衡量指标。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于SSC-YOLOV5的自动驾驶目标检测算法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号