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：东南大学
摘要：本发明公开了一种复杂交通环境下基于监控视频的交通参与者检测方法。考虑到复杂交通场景中因交通参与者类型丰富且遮挡情况严重而导致存在各式各样的小目标，本发明基于深度目标检测网络YOLOV5，创新地设计了超分辨率特征提取模块，以保留小目标更丰富的外观特征。为了更好地训练所提出的超分辨率特征提取模块，进一步提出了知识蒸馏训练方法，指导检测模型以较小分辨率图片为输入的性能匹配其以较大分辨率图片为输入的感知性能，既缓解了因直接利用较大分辨率为输入而带来的计算负担，也获得了匹配较大分辨率为输入时的感知性能。提出方法有效提升了复杂交通环境下交通参与者的检测精度，有望被应用到实际交通监控场景中。
主权项：1.一种复杂交通环境下基于监控视频的交通参与者检测方法，其特征在于，包含以下步骤：S1、基于监控视频，构建训练数据集；S2、基于三层残差模块，构建超分辨率特征提取模块；S3、将S2中的超分辨率特征提取模块嵌入YOLOV5的路径聚合网络PANet中，得到改进的YOLOV5，实现对底层特征的超分处理与细节恢复；S4、引入联合一致性损失函数，利用知识蒸馏机制训练超分辨率特征提取模块；S5、利用S1中的训练数据集，对S3得到的改进的YOLOV5进行训练，得到YOLOV5目标检测模型；S6、将YOLOV5目标检测模型部署至路侧计算设备中，以实现复杂交通场景下交通参与者精准检测；步骤S2中的超分辨率特征提取模块包括第一至第三残差模块，第一残差模块的输入为PANet中自顶向底路径的底层特征，第二残差模块的输入为特征提取网络的底层特征，第一残差模块的输出经过超分卷积后与第二残差模块的输出相加作为第三残差模块的输入，第三残差模块的输出作为小目标检测的输入；步骤S4中联合一致性损失函数为： 式中，Fs为超分卷积的输出；Ft为特征提取网络的底层特征，Ftpos为Ft上真实框所在区域块，x,y为Ftpos上的像素点坐标，Np为Ftpos内的像素点的总数；λ为超参数。
全文数据：
权利要求：
百度查询： 东南大学 一种复杂交通环境下基于监控视频的交通参与者检测方法
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。
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