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：南京邮电大学

摘要：本发明公开了一种基于改进YOLO模型的轻量化货车检测方法及系统，该方法包括收集各类货车不同拍摄角度图像构建数据集并标注；应用Ghost卷积于YOLOv5s主干网络；构建GhostC3模块用于YOLOv5s主干特征提取网络；利用目标尺度多样特性构建多尺度上下文特征聚焦金字塔模块MCFP；利用目标低分辨率特性构建多尺度自适应感受野增强模块SRFEM；最后自建货车数据集输入至所述改进后的网络，获得货车检测结果。本发明能够以高精度实时检测货车目标。

主权项：1.一种基于改进YOLO模型的轻量化货车检测方法，其特征在于，包括：S1、构建带有标注的多类货车专用数据集；S2、将YOLOv5s网络中BackBone中的卷积操作全部替换为GhostConv；S3、设计C3Ghost模块应用于YOLOv5s的主干特征提取网络；具体为：设计GhostBottleNeck模块，此模块包含三层：首先由一个Ghost模块作为扩展层，通过线性变换增加输入特征图通道数量；其次通过一个步幅为2的深度可分离卷积用于降采样，最后再通过一个GhostModule用于减少输出通道数量以匹配原输入图通道数，并使两者按元素相加；将设计的GhostBottleNeck模块替换YOLOv5s网络中C3模块的BottleNeck模块，生成C3Ghost模块；S4、针对目标尺度多样构建多尺度特征上下文聚焦模块MCFP，将步骤S3改进后的YOLOv5s的主干特征提取网络输入该MCFP模块，构建MCFP具体为：采用CA注意力机制融合当前特征层与其相邻特征层，并在原特征图上通过乘法加权，得到在宽高方向上带有注意力权重的输出特征图，然后将输出特征图通过自上而下的路径将高层次的语义特征上采样并与低层次的特征融合，再自下而上帮助模型捕捉从低层到高层的详细信息到抽象语义的转变，对于特征融合过程中相同大小的特征图利用跳跃连接直接建立联系；S5、针对目标低分辨率构建多尺度自适应感受野增强模块SRFEM，将SRFEM模块送入模型检测头，形成改进后的货车检测模型；构建SRFEM具体为：利用不同采样率的空洞卷积并行提取特征信息，然后利用softmax计算权重为每组特征赋予不相同的权重，使得模块能够根据目标的尺度大小自适应选择不同的感受野，将应用不同感受野的输出特征图分层相加，最后将各输出特征在通道维度拼接，再与原特征图按像素相加，得到最终输出特征图；S6、将数据集输入至改进后的货车检测模型对监控图像中的货车进行检测。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于改进YOLO模型的轻量化货车检测方法及系统