[发明专利]基于CSA注意力机制和C3_SAC的YOLOv5网络的交通多目标检测方法在审
| 申请号： | 202310867976.8 | 申请日： | 2023-07-17 |
| 公开（公告）号： | CN116935337A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 王健康;闫冬梅;王正松 | 申请（专利权）人： | 东北大学秦皇岛分校 |
| 主分类号： | G06V20/54 | 分类号： | G06V20/54;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/08 |
| 代理公司： | 中国商标专利事务所有限公司 11234 | 代理人： | 郝震 |
| 地址： | 066004 河北*** | 国省代码： | 河北;13 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明提供一种基于CSA(CoordinateSpatialAttention)注意力机制和C3_SAC的YOLOv5网络的交通多目标检测方法，首先使用可切换空洞卷积(SAC)替换C3中Bottleneck残差模块中的卷积结构组成新的backbone网络结构，使backbone提取特征信息更准确，同时扩大卷积感受野，适应不同尺度特征；然后在CA注意力机制的基础上结合SA注意力机制，并把改进的CSA注意力机制分别加入到backbone网络的5，8，13层之后，增强网络对学习特征的表达能力；最后把YOLOv5中原有的Ciou损失函数替换为额外考虑角度损失的Siou损失函数。在Kitti交通开源数据集上进行实验，改进YOLOv5模型相较于原始的YOLOv5模型的Precision提升了5.7％，mAP_0.5提升了1.9％，mAP_0.5:0.95提升了3.5％。结果表明，本发明提出改进的模型有效的实现了高精度的交通多目标检测。 | ||
| 搜索关键词： | 基于 csa 注意力 机制 c3_sac yolov5 网络 交通 多目标 检测 方法 | ||
【主权项】：
暂无信息
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东北大学秦皇岛分校，未经东北大学秦皇岛分校许可，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/patent/202310867976.8/，转载请声明来源钻瓜专利网。
