本发明公开一种基于YOLOv5s改进的轻量模型目标检测方法，目标检测方法通过在基于YOLOv5s改进的轻量模型中融入了全局注意力机制，加强了通道与空间注意力机制之间的跨维度特征信息交互能力，减少目标特征因不同维度而丢失的问题，提高目标的特征提取；同时在检测头处结合自适应空间特征融合算法，通过自适应的调整各个尺度在融合时的空间权重，抑制空间尺度不一致性，使目标特征获得更加精准的网络处理比重，从而提高目标的多尺度特征融合能力，降低遥感图像中中小目标的漏检率和误检率。
📄 2023100574715
📂 G06V20_13
👤 南京信息工程大学
📅 2023-01-14
基于DINO分类作物与杂草的轻量化端到端目标检测方法和装置，其方法包括：步骤1、收集并标注作物和杂草目标图像数据集；步骤2、划分收集的数据集以便于进行随机的不同的子任务；步骤3、在DINO的BackBone层之前加入轻量新型降噪网络；步骤4、对DINO的BackBone进行替换，优化，使其轻量化；步骤5、使用优化后的DINO模型训练作物和杂草的目标检测模型；步骤6、将作物和杂草的测试样本送入训练好的模型中进行推理得出检测结果。本发明去除图片的噪音，使模型通用性更好，目标检测准确率提升，更改优化骨干网络。可以使模型训练的次数大幅下降，让算法获得更为快速的训练收敛，减少训练时间,还能在相同训练epoch下，提高作物和杂草分类的准确率。
📄 2023110600383
📂 G06V20_10
👤 浙江工业大学
📅 2023-08-22
本发明公开了一种高速公路小目标检测方法，包括：获取未标记数据集并对未标记数据集中的各输入图像进行数据增强处理，形成对应的重建图像 建立目标检测网络模型并对重建图像进行检测，获得对应的目标检测结果。该方法不同于传统的目标检测模型，对小像素目标的识别有较高的精度，尤其对高速公路的异常天气场景适应能力强，能够更加精准的检测高速公路上的异常物体，且使用掩蔽重建的数据增强方法来为小目标物体的检测获得更加精确的框，并针对小目标物体特征少，样本不平衡的特点，改进了损失函数，采用均衡焦点损失函数来缓解类别不平衡的问题，由此提高小目标检测的精度，更好的应用于高速公路。
📄 2023102695466
📂 G06V20_52
👤 浙江工业大学
📅 2023-03-20
一种基于改进YOLO v4的轻量级行人车辆检测方法，包括以下步骤：1)将数据集划分为训练集、验证集和测试集；2)对数据集标签中的真实目标框进行聚类分析，获得先验框尺寸；3)利用Ghost模块搭建主干网络，用于提取数据集的视觉特征，在保证特征质量的同时缩减参数量；4)使用不同扩张率的空洞卷积提升网络的多尺度感知能力；5)对提取到的特征进行特征聚合；6)将聚合后的特征输入检测头，对目标的位置和类别进行预测，利用损失函数训练模型；7)将测试集图像输入训练得到的网络模型进行检测，输出目标的检测结果。本发明在保证行人车辆检测精度的同时，拥有较小的模型参数量，检测速度较快，降低了对于硬件设备性能的需求。
📄 2021105332450
📂 G06V10_82
👤 浙江工业大学
📅 2021-05-17
本发明公开了一种基于改进YOLO v4算法的目标检测方法，包括：获取安全帽检测数据集SHWD，并对安全帽检测数据集SHWD进行数据扩充得到样本集；基于YOLO v4算法构建改进型YOLO v4网络结构，得到改进YOLO v4算法；利用样本集对改进YOLO v4算法进行训练，将训练后最佳的权重文件加载至改进YOLO v4算法得到目标检测网络；针对获取的待分类图像，采用所述目标检测网络输出对应的目标检测结果。本发明的方法具有较高的检测速度和小目标检测精度。
📄 202010788543X
📂 G06K9_00
👤 浙江工业大学
📅 2020-08-07
本发明公开了一种不平衡训练样本下针对退化图像的目标检测方法，首先拍摄真实场景图片，抠出目标区域将RGB调0后置于白色图层上，使用随机大小的黑色图层覆盖亮点，并添加随机白色光斑，生成掩膜；然后用生成的掩膜对待检测图像做掩膜增强，将掩膜增强后的待检测图像输入到特征提取网络，获取特征提取网络最后三个残差组合模块输出的张量特征；最后将所述张量特征输入到多特征注意力提取网络，输出三个新的张量特征，将所述三个新的张量特征输入到非极大值抑制网络得到检测结果。本发明在城市环卫机器人上得到应用，能够很好的检测阴影和夜间路面的垃圾。
📄 2020110308724
📂 G06K9_00
👤 浙江工业大学
📅 2020-09-27
一种优化分类与定位任务的目标检测方法，首先通过滑窗方法对输入图像做图像块的提取；随后在生成的图像块中筛选出正图像块与负图像块；再将筛选出的正负图像块用于RPN网络与R‑CNN网络的训练，得到最终的网络参数；对输入图像进行预测焦点像素集，并生成焦点像素块；焦点像素块经过分类检测与回归处理，并使用非极大值抑制方法合并各尺度检测结果。本发明显著得减少多尺度检测方法的计算量，大幅提高检测速率，突破了以往多尺度检测算法无法投入实际应用的瓶颈。进一步，通过解决分类与回归任务存在冲突的问题，大幅度提高了模型的精度。
📄 2020109205939
📂 G06K9_32
👤 浙江工业大学
📅 2020-09-04
本发明提供一种基于Yolov8改进的电力基建场景的目标检测方法，属于人工智能及目标检测技术领域。本发明将人工智能技术融入电力作业场景，能够预防作业过程中潜在的安全隐患；其通过构建结合ConvFormer与卷积门控线性单元Convolutional Gated Linear Unit网络的模块，代替Yolov8模型框架中的C2f网络模块，能够在保证算法检测准确率的前提下，有效减少了模型的计算参数；同时，通过构建共享卷积模块Feature Shared Conv替换Yolov8模型框架中的SPPF网络模块，能够捕捉图像中更加精细的特征，提升模型在面对复杂场景时的检测准确率。
📄 2025102770038
📂 G06V10_82
👤 浙江工业大学
📅 2025-03-10
本发明提供一种轻量型目标检测方法：利用移动机器人的摄像头采集图像，并将图像缩放至320×320；构建轻量级目标检测模型，建立特征提取网络、降采样模块、上采样层；构建检测网络模块，通过构建三个检测分支来预测目标的中心点坐标；选取CenterNet的损失函数作为网络检测分支的损失函数；通过非极大值抑制筛选正确的目标检测框；使用训练好的轻量型目标检测模型对每帧中所有目标进行检测，获取每帧内的所有目标的定位框。本发明通过构建融合注意力机制的轻量型特征提取网络，降低了特征提取模型的参数量，通过构建注意力模块有效降低冗余参数，实现高效、精确的移动机器人目标检测。
📄 2021104008549
📂 G06V20_10
👤 浙江工业大学
📅 2021-04-14
本发明涉及一种基于YOLOv8网络模型的粗粒土破碎颗粒追踪方法，包括S1.制作为初始数据集；S2.扩充数据集；S3.对数据增强后数据集的图像进行图像处理；S4.进行训练，完成分割模型；S5.进行实验图片实例分割；S6.使用SURF对实验图片的特征点进行提取；S7.将S5中实例分割区域与S6中SURF提取的特征点进行对应，并对特征点进行匹配，获得特征点匹配的追踪结果；S8.进行多目标追踪，获得基于YOLOv8得到的追踪结果；S9.比对S7的追踪结果和S8的追踪结果，输出追踪结果。该方法在粗粒土破碎试验中实现破碎颗粒的高精度追踪。
📄 2024105598369
📂 G06T7_246
👤 浙江工业大学
📅 2024-05-08
一种基于难分样本挖掘的Faster RCNN目标检测方法，包括：步骤1，基于深度学习的图像目标检测：步骤2，基于在线样本挖掘方法，采用的关键参数调整设置为：步骤3，负难分样本挖掘是在难分样本基础上通过调整训练中RPN形成的mini‑batch正负样本比例为1:3，进行训练；步骤4，剔除冗余框，避免损失的多重计算。采用的是改进后的非极大值抑制算法将RPN层网络生成的建议框合理的去除冗余。本发明在不扩充样本的情况下，放宽负样本的定义，通过样本本身在线挖掘出更多的难训练样本；设置了正负样本比例，合理而简便地计算损失最大、难训练的、罕见的样本；对分类、边框回归的损失进行了平衡化处理，能够满足训练损失的持续降低。
📄 201811463226X
📂 G06K9_62
👤 浙江工业大学
📅 2018-12-03
一种基于FLEX‑YOLO网络的无人机航拍小目标检测方法和装置，其方法包括：(1)获取公开的无人机航拍图像数据集并进行预处理；(2)构建FLEX‑YOLO网络模型，该网络以YOLOv11网络为基础，并设计MPFP多路径反馈感知模块、JFIN联合特征交互网络、GhostPlus轻量化模块以及引入LAMP剪枝方法；(3)以FLEX‑YOLO网络作为检测模型，利用训练集和验证集对其进行训练和验证，生成最终的检测模型；(4)利用最终训练完成的检测模型，以测试集作为输入，对FLEX‑YOLO模型进行测试；本发明在模型性能和效率之间实现了优异的平衡，为无人机航拍小目标检测任务提供了一种高效、可靠的解决方案。
📄 202510112626X
📂 G06V10_25
👤 浙江工业大学
📅 2025-01-24
柿子坊 · 知识产权运营
柿子坊知识产权运营平台