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：长春理工大学
摘要：本发明公开了一种基于改进YOLOv5n模型的商品种类识别方法，属于深度学习中的目标识别技术领域。其技术方案如下：步骤S1：采集目标图像样本数据，并对各商品图片进行类别标注。步骤S2：对YOLOv5n模型进行改进。首先，在YOLOv5n的特征融合网络中增加一个新的特征提取层。其次，引入EMA注意力机制模块，减少无效特征的干扰。这些改进共同提升了YOLOv5n模型在商品种类识别任务中的性能。步骤S3：采用数据增强技术，将增强后的目标图像数据集输入改进后的YOLOv5n模型进行迭代训练，获得训练好的改进YOLOv5n模型。步骤S4：进行商品类别检测，最终获得识别结果。改进后的特征提取层和EMAS注意力机制，使模型在相同的测试图像中能够更加准确地捕捉目标的识别特征，取得更优的识别效果。
主权项：1.一种基于改进YOLOv5n目标检测的商品状态识别方法，其特征在于，包括：步骤S1：获取在真实场景下拍摄的各种商品图像数据，并根据商品信息使用SignintoRoboflow对所有图像进行数据增强和标注，标注内容包括商品的种类和价格。步骤S2：对目标检测算法YOLOv5n进行改进，获得改进的YOLOv5n目标检测算法；步骤S3：在YOLOv5n特征融合网络中添加一个新的特征提取层，并调整YOLOv5n网络的目标框回归公式，改进损失函数；在YOLOv5n的Backbone层中SPPF模块前添加EMA注意力机制模块，EMA模块会沿着通道和空间两个独立的维度依次推断注意力图，然后将注意力图与输入的特征图相乘以进行自适应特征优化；步骤S4：将标注后的目标图样数据集送入YOLOv5n网络中进行迭代训练，并使用余弦退火算法对学习率进行调整；步骤S5：训练完成后，将目标图片送入至训练后得到的最佳模型中，检测目标类别及位置，最终得到识别结果。
全文数据：
权利要求：
百度查询： 长春理工大学 一种基于改进的YOLOv5n的商品种类识别方法
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