[发明专利]一种基于M3-YOLOv5的指定移动目标检测方法

权利要求书

1.一种基于M3-YOLOv5的指定移动目标检测方法，其特征在于，该方法包括以下步骤：

步骤1、获取目标检测所需的图像数据；

步骤2、对图像数据进行划分，建立训练集和测试集；

步骤3、结合MobileNetV3算法对YOLOv5算法进行改进，得到MobileNetV3-YOLOv5算法的网络模型；

步骤4、使用步骤2得到的训练集对步骤3得到的MobileNetV3-YOLOv5网络模型进行训练，得到训练后的MobileNetV3-YOLOv5网络模型；

步骤5、将步骤2得到的测试集输入步骤4得到的训练后的MobileNetV3-YOLOv5网络模型中进行检测，得到检测结果。

2.根据权利要求1所述的基于M3-YOLOv5的指定移动目标检测方法，其特征在于，步骤1具体是：利用摄像设备采集不同时刻的视频数据，对视频数据中带有指定目标的视频帧进行截取，得到所需的图像数据。

3.根据权利要求1所述的基于M3-YOLOv5的指定移动目标检测方法，其特征在于，步骤2具体是：对步骤1得到的图像数据进行翻转、缩放、裁剪操作来扩充图像数量，直至达到所需数量，再将扩充后的图像数据划分为训练集和测试集。

4.根据权利要求1所述的基于M3-YOLOv5的指定移动目标检测方法，其特征在于，步骤3中，结合MobileNetV3算法对YOLOv5算法进行改进，得到MobileNetV3-YOLOv5算法的网络模型的具体步骤如下：

步骤3.1、将YOLOv5算法的骨干网络替换为去除最后的平均池化层和两个逐点卷积层的MobileNetV3网络；在此MobileNetV3网络中的第九个模块与第十个模块之间添加一个上采样模块；将此MobileNetV3网络中的第十三个模块中的卷积层的卷积步长设置为2；

步骤3.2、将YOLOv5算法的瓶颈网络中的与最大尺度输出最近的CBL模块替换为PDP_1模块，与中间尺度输出最近的CBL模块替换为PDP_2模块，与最小尺度输出最近的CBL模块替换为PDP_2模块；

步骤3.3、将YOLOv5算法的瓶颈网络中的第一个CSP2_1模块中卷积层的通道数设置为576；将瓶颈网络中的第一个CBL模块、第二个CSP2_1模块、与中间尺度输出最近的CSP2_1模块以及最小尺度输出路径上的PDP_2模块中卷积层的通道数设置为96；将最大尺度输出路径上的PDP_1模块、与最大尺度输出最近的CSP2_1模块以及中间尺度输出路径上的PDP_2模块中卷积层的通道数设置为48；将与最小尺度输出最近的CSP2_1模块中卷积层的通道数设置为192；进而得到MobileNetV3-YOLOv5网络模型。

5.根据权利要求4所述的基于M3-YOLOv5的指定移动目标检测方法，其特征在于，步骤3.2中，PDP_1模块包括顺序连接的一个逐点卷积层、一个激活函数层、一个深度卷积层、一个激活函数层、一个逐点卷积层和一个带泄露修正线性单元函数层；所述深度卷积层中卷积核大小为3*3，卷积步长为1。

6.根据权利要求4所述的基于M3-YOLOv5的指定移动目标检测方法，其特征在于，步骤3.2中，PDP_2模块包括顺序连接的一个逐点卷积层、一个激活函数层、一个深度卷积层、一个激活函数层、一个逐点卷积层和一个带泄露修正线性单元函数层；所述深度卷积层中卷积核大小为3*3，卷积步长为2。

7.根据权利要求1所述的基于M3-YOLOv5的指定移动目标检测方法，其特征在于，步骤3中，MobileNetV3-YOLOv5网络模型包括输入端、骨干网络、瓶颈网络和输出端；数据从输入端经一定的处理到达骨干网络，再到达瓶颈网络，最终到达输出端。