[发明专利]一种基于Yolov5的角度定位检测方法、系统及存储介质在审

专利信息
申请号: 202310122779.3 申请日: 2023-02-16
公开(公告)号: CN116309800A 公开(公告)日: 2023-06-23
发明(设计)人: 曹建伐;陈安;周才健;周柔刚;许允迪;肖廷哲 申请(专利权)人: 杭州汇萃智能科技有限公司;温州汇萃智能科技有限公司
主分类号: G06T7/70 分类号: G06T7/70;G06V10/82;G06N3/047;G06N3/048
代理公司: 杭州华知专利事务所(普通合伙) 33235 代理人: 张德宝
地址: 310000 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 yolov5 角度 定位 检测 方法 系统 存储 介质
【权利要求书】:

1.一种基于Yolov5的角度定位检测方法,其特征在于,包括:

构建基于Yolov5的角度定位检测网络模型;通过所述基于Yolov5的角度定位检测网络模型输出不同尺寸的特征图;不同尺寸的特征图分别检测大小不同的目标以提高检测精度;

利用网格检测待测目标,每个网格检测指定数量的目标;输出每个目标的预测数据;

所述基于Yolov5的角度定位检测网络模型的输出预测数据格式为:目标位置、旋转矩形框的尺寸、目标置信度、目标类别概率、角度以及角度偏移量。

2.根据权利要求1所述的一种基于Yolov5的角度定位检测方法,其特征在于,所述基于Yolov5的角度定位检测网络模型的损失函数,用角度向量夹角代替角度直接回归。

3.根据权利要求1所述的一种基于Yolov5的角度定位检测方法,其特征在于,所述基于Yolov5的角度定位检测网络模型的损失函数为:

x、y、w、h为预测目标的位置和尺寸,x'、y'、w'、h'为真实目标的位置和尺寸;v为预测目标的角度向量,t为真实目标的角度向量;Σ((x-x′)2+(y-y′)2)表示位置损失,Σ((w-w′)2+(h-h′)2)表示尺寸损失,表示角度向量夹角损失;∑cls为类别损失,∑obj为目标置信度损失,为预测角度和真实角度向量,θ为两个向量的夹角,cls为单个类别损失,obj为单个目标损失。

4.根据权利要求1所述的一种基于Yolov5的角度定位检测方法,其特征在于,所述角度采用间接编码方式进行编码。

5.根据权利要求1所述的一种基于Yolov5的角度定位检测方法,其特征在于,所述间接编码具体为:

θ=2π·σ(μ)

其中μ为预测值,σ(·)为sigmoid函数,如下:

预测一个偏移量,将预测偏移量作用于预测值μ,则得到的角度编码方式为:

θ=2π·σ(μ-offset)

其中,μ为预测值,offset为预测偏移量。

6.一种基于Yolov5的角度定位检测系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于Yolov5的角度定位检测方法的程序,所述基于Yolov5的角度定位检测方法的程序被所述处理器执行时实现以下步骤:

构建基于Yolov5的角度定位检测网络模型;通过所述基于Yolov5的角度定位检测网络模型输出不同尺寸的特征图;不同尺寸的特征图分别检测大小不同的目标以提高检测精度;

利用网格检测待测目标,每个网格检测指定数量的目标;输出每个目标的预测数据;

所述基于Yolov5的角度定位检测网络模型的输出预测数据格式为:目标位置(x、y)、旋转矩形框的尺寸(宽高)、目标置信度(confidence)、目标类别概率、角度以及角度偏移量。

7.根据权利要求1所述的一种基于Yolov5的角度定位检测系统,其特征在于,所述基于Yolov5的角度定位检测网络模型的损失函数,用角度向量夹角代替角度直接回归。

8.根据权利要求1所述的一种基于Yolov5的角度定位检测系统,其特征在于,所述基于Yolov5的角度定位检测网络模型的损失函数为:

x、y、w、h为预测目标的位置和尺寸,x'、y'、w'、h'为真实目标的位置和尺寸;v为预测目标的角度向量,t为真实目标的角度向量;∑((x-x′)2+(y-y′)2)表示位置损失,∑((w-w′)2+(h-h′)2)表示尺寸损失,表示角度向量夹角损失;∑cls为类别损失,∑obj为目标置信度损失,为预测角度和真实角度向量,θ为两个向量的夹角,cls为单个类别损失,obj为单个目标损失。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州汇萃智能科技有限公司;温州汇萃智能科技有限公司,未经杭州汇萃智能科技有限公司;温州汇萃智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310122779.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top