[发明专利]一种基于YOLOv5改进的车辆检测与识别方法

权利要求书

1.一种基于YOLOv5网络改进的车辆检测算法，其特征在于：所述方法主要通过以下步骤实现：

（1）获取车辆检测数据集BDD100k，并对数据集进行预处理；

（1-1）数据集包含10000张图片；由于本发明特定的应用场景，忽略BDD100k数据集中Light、Sign、Person、Bike、Rider这几种类别；将每一张图片对应标签的json格式通过python脚本转换为xml文件；xml文件包含图片名称、图片路径、目标标签名称以及目标位置坐标；

（1-2）将Bus、Truck、Motor、Car、Train统一归为Car类；将统一类别之后的图片及标签xml文件按照VOC格式进行存储；

在VOC文件夹下创建Annotations、JPEGImages两个文件夹用来存储图片和标签；Annotations文件夹中存储每一个标签xml文件，JPEGImages文件夹中存储所有图片；

（1-3）使用python脚本将创建好的VOC格式的数据集随机按照8：2划分为训练集和测试集，同时把数据集标签格式转换成yolo适用的txt格式；

（2）基于DenseNet网络密集连接的思想，将主干网络中的两个CSP1_3模块中的残差网络结构Resunit替换为Dense Block模块；

Dense Block模块包括三层卷积层数，每一层卷积都包括（BN+ReLU+1*1 Conv）+（BN+ReLU+3*3 Conv）；设置Dense Block中的增长率k为32，保证每一层经过3*3卷积之后，都只输出32个Channel，之后与前面层的输入进行拼接，将拼接后的Channel数再作为下一层的输入；

（3）在主干网络SPP模块之后加入Transformer网络；

Transformer网络中，数据首先会经过一个Multi-Head attention的模块，该模块包括8个Self-Attention，得到8个加权之后的特征矩阵；将8个按列拼成一个大的特征矩阵；经Multi-Head attention输出之后经过一个全连接层（Feed Forward Neural Network），这个全连接有两层，第一层的激活函数是ReLU，第二层是一个线性激活函数；最终经Transformer层输出特征图为（512，512，20，20）；最后将主干网络的输出经neck部分进行多尺度特征的融合；

（4）对改进后的网络进行训练和测试。

2.根据权利要求1所述的一种基于YOLOv5网络改进的车辆检测算法，其特征在于：输入3通道的640*640的图片，经Focus切片操作后输出（3，32，320，320），后连接Conv输出（32，64，160，160），连接层BottlenecCSP1-1输出（64，64，160，160），连接Conv层输出（64，128，80，80），连接DenseBlockCSP1_3层输出（128，128，80，80），连接层Conv输出（1128，256，40，40），连接DenseBlockCSP1_3输出（256，256，40，40），连接层Conv输出（256，512，20，20），连接层SPP输出（512，512，20，20）。

3.根据权利要求1中所述的一种基于YOLOv5网络改进的车辆检测算法，其特征在于：所述步骤（3）中，经前层SPP输出（512，512，20，20）；之后连接Transformer层，Transformer中，数据首先会经过一个Multi-Head attention的模块，该模块包括8个self-Attention，得到8个加权之后的特征矩阵；将8个按列拼成一个大的特征矩阵；经Multi-Head attention输出之后经过一个全连接层（Feed Forward Neural Network），这个全连接有两层，第一层的激活函数是ReLU，第二层是一个线性激活函数，最终经Transformer层输出（512，512，20，20）；最后将主干网络的输出经neck部分进行多尺度特征的融合。

4.根据权利要求1中所述的一种基于YOLOv5网络改进的车辆检测算法，其特征在于：所述步骤（4）中，设置迭代次数epoch为300，batch-size为4，初始学习率为0.01，经过300次迭代训练，损失值与平均精度（AP）均趋于稳定，保存此时的最佳模型参数；

模型测试采用的模型评价指标精准率（Precision）、召回率（Recall）、平均精度（AP）如下：

其中， 为将正类预测为正类的数，为将正类预测为负类的数，为将负类预测为正类的数，为将负类预测为负类的数，Precision即正确检测到的样本数占总样本数的比例，Recall即正确检测到的样本数占真实样本数的比例，平均精度（AP）即在不同下的最高的均值。