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！

摘要：本发明公开了一种改进的G‑Yolov4移动机器人目标检测方法，其特征在于，包括以下步骤：1对移动机器人上的高清摄像头采集到的图像进行灰度化预处理并送入G‑Yolov4网络中；2进行多次GhostBottlenecks操作，获取有效特征层A1，A2；3特征融和得到有效特征B1，B2；4特征B1进行一次Concat通道数增加并进行五次1×1的卷积得到特征C1，将得到的特征B2与特征C1的下采样堆叠池化得到特征C2，最终有效特征C1，C2作为Yolohead输出。本发明目的在于在保证较高检测精度的同时，减少了网络参数量及所需计算力，优化了目前主流深度目标检测算法运行时间长占用资源多，提高了实时目标检测帧率，更好地应用于移动机器人目标检测。

主权项：1.一种改进的G-Yolov4移动机器人目标检测方法，其特征在于，包括以下步骤：1对移动机器人上的高清摄像头采集到的图像进行灰度化预处理并送入G-Yolov4网络中，图片输入到改进的GhostNet中时，首先会进行一个16通道的普通1×1卷积块，卷积块进行卷积、标准化、激活函数操作；2进行多次GhostBottlenecks操作，在过程中，利用GhostBottlenecks在堆叠过程中，获取有效特征层A1，A2，到此两个初步有效特征提取完毕，上述步骤获得特征Aj,j＝1,2；3将所得特征A1进行一次Concat通道数增加，进行五次1×1的卷积，将得到的特征A2进行一次1×1的卷积以及一次上采样，然后与操作过的A1特征进行堆叠池化得到特征B1,接着将A1进行一次下采样并与A2进行堆叠得到B2；4特征B1进行一次Concat通道数增加并进行五次1×1的卷积得到特征C1，将得到的特征B2与特征C1的下采样堆叠池化得到特征C2，最终有效特征C1，C2作为Yolohead输出；所述步骤2为：2.1对步骤1输出的112×112×16的特征图进行一次步长为1的GhostBottlenecks进行特征浓缩与深度可分离卷积再将输出的特征图进行一次步长为2的GhostBottlenecks进行特征浓缩与深度可分离卷积；2.2对上一步输出的56×56×24的特征图进行一次步长为1的GhostBottlenecks进行特征浓缩与深度可分离卷积再将输出的特征图进行一次步长为2的GhostBottlenecks进行特征浓缩与深度可分离卷积；2.3对上一步输出的28×28×40的特征图进行一次步长为1的GhostBottlenecks进行特征浓缩与深度可分离卷积再将输出的特征图进行一次步长为2的GhostBottlenecks进行特征浓缩与深度可分离卷积；2.4对上一步输出的14×14×80的特征图进行三次步长为1的GhostBottlenecks进行特征浓缩与深度可分离卷积；2.5对上一步输出的14×14×112的特征图进行一次步长为1的GhostBottlenecks进行特征浓缩与深度可分离卷积；2.6对上一步输出的7×7×160的特征图进行三次步长为2的GhostBottlenecks进行特征浓缩与深度可分离卷积；2.7将输出的特征图进行一次步长为1的GhostBottlenecks进行特征浓缩与深度可分离卷积并将输出的特征图利用一个1×1的卷积块进行通道数的调整；2.8将上一步输出的7×7×960的特征图进行平均池化；2.9将上一步输出的1×1×960进行一次步长为1的1×1卷积对通道数进行调整；2.10将2.5和2.9提取的特征送入特征融合模块进行加强特征提取，设主干初步提取特征即特征融合模块输入为Aj,j＝1,2，获得有效特征层A1，A2。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种改进的G-Yolov4移动机器人目标检测方法