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：江苏科技大学

摘要：本发明公开了一种基于轻量化YOLOv5s模型的草坪障碍物检测方法，该方法包括以下步骤：1将采集包含树干、灌木和草坪灯柱及人的图像数据划分为训练集和测试集，并进行标注；2对YOLOv5s模型进行轻量化改进；3利用训练集对改进后的YOLOv5s模型进行训练，获取最优的检测网络模型；4使用基于中位数的滤波器剪枝方法对步骤3中获取的最优检测模型进行剪枝训练；5利用步骤4中剪枝训练后的模型对测试集中的图片数据检测，并对测试集的检测结果进行检测精度和轻量化评价。本发明通过具体的检测方法获得图像中的草坪环境相关障碍物类别和位置信息，检测精度和检测速度优于现有的检测模型。

主权项：1.一种基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：所述检测方法包括以下步骤：1采集包含树干、灌木、草坪灯柱及人的图像数据，将采集到的图像数据划分为训练集和测试集，并进行标注；2对目标检测网络模型YOLOv5s模型进行轻量化改进；过程为：2.1将YOLOv5s模型中的C3模块Bottleneck结构中第一个1×1卷积输出的特征图划分为4个通道数相等的子集；2.2从第2个子集x2开始进行3×3卷积操作，输出的特征图子集y2与x3相加并输入相应3×3卷积核；得到的输出特征图子集y3与x4相加并输入相应的3×3卷积核，得到输出特征图子集y4；2.3将4组输出的特征图子集y1、y2、y3、y4进行拼接操作；2.4将拼接操作后的特征图子集输入1×1卷积进行特征融合；2.5在1×1卷积后加入SE模块，在通道维度上对原始特征重新标定；3利用训练集对改进后的目标检测网络模型YOLOv5s模型进行训练，获取最优的检测网络模型；过程为：3.1设置初始参数，所述参数包括图片输入尺寸、动量参数、权重衰减正则项参数、图片角度变化参数、饱和度与曝光变化参数、色调变化参数、初始学习率以及训练迭代次数；3.2使用自适应锚框法在草坪障碍物数据集中聚类出锚框尺寸；3.3设置参与损失计算的IOU阈值，开启多尺度训练；4使用剪枝方法对步骤3中获取的最优检测模型进行剪枝训练；5利用步骤4中剪枝训练后的模型对测试集中的图片数据进行检测，并对测试集的检测结果进行检测精度和轻量化评价。

全文数据：

权利要求：

百度查询： 江苏科技大学 基于轻量化YOLOv5s模型的草坪障碍物检测方法