“yolov3”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果7202461个，建议您升级VIP下载更多相关专利

[发明专利]YOLOV3网络训练、PCB表面缺陷检测方法及装置-CN202211029070.0有效
发明人：强虎;周强 -专利权人：摩尔线程智能科技（北京）有限责任公司
申请日： 2022-08-26 - 公布日： 2023-04-07 - 主分类号： G06V10/774 文献下载
摘要：本公开涉及计算机技术领域，公开了一种YOLOV3网络训练、PCB表面缺陷检测方法及装置，所述YOLOV3网络训练方法包括：利用中值Kmeans聚类算法，对训练样本图像集中的多个样本标注框进行聚类，确定所述训练样本图像集对应的目标YOLOV3锚框；基于所述训练样本图像集和所述目标YOLOV3锚框，对初始YOLOV3网络进行训练，得到目标YOLOV3网络，其中，所述目标YOLOV3网络用于对待检测图像进行目标检测。本公开实施例可以在训练过程中快速收敛得到目标YOLOV3网络，从而有效提高网络训练效率。
yolov3 网络训练 pcb 表面缺陷检测方法装置

[发明专利]一种基于YOLOv3的轻量级框架改进的目标识别方法-CN201911013341.1在审
发明人：陈名松;张泽功;吴泳蓉;吴冉冉 -专利权人：桂林电子科技大学
申请日： 2019-10-23 - 公布日： 2020-03-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于YOLOv3的轻量级框架改进的目标识别方法，通过将YOLOv3的轻量级版本YOLOv3‑tiny和SENet相结合得到YOLOv3‑tiny‑SE来进行目标检测和识别。具体包括：在不同的路况、行车环境和天气条件下进行车辆、行人和交通环境图片的采集，对采集到的数据进行预处理以及数据增强，制作并完善目标识别样本集，对样本集进行标注，然后将样本集分为训练集和测试集两部分，在YOLOv3‑tiny中嵌入SENet结构，得到YOLOv3‑tiny‑SE，在训练集上训练YOLOv3‑tiny‑SE，在测试集上测试YOLOv3‑tiny‑SE，然后和YOLOv3‑tiny性能进行比较。
一种基于 yolov3 轻量级框架改进目标识别方法

[发明专利]基于改进的yolov3交通标志识别方法、设备和介质-CN202211055743.X在审
发明人：王传钊;谢乐成;吴锐 -专利权人：重庆长安汽车股份有限公司
申请日： 2022-08-31 - 公布日： 2022-12-02 - 主分类号： G06V20/58 文献下载
摘要：本发明涉及交通标志识别技术领域，为基于改进的yolov3交通标志识别方法、设备和介质。该方法包括获取交通标志检测的图像数据集，对图像数据集进行数据增强处理，将图像数据集分为训练集和图像验证集；改进Yolov3检测网络结构，将Yolov3模型的backbone网络结构改为mobilnetv3模型，将Yolov3模型的损失函数loss修改为focal_loss函数，添加多尺度融合板块结构，得到改进Yolov3模型；利用图像训练集和图像验证集，对改进Yolov3模型进行训练，对训练后的改进Yolov3模型进行评测；将交通标志图像数据输入训练后的改进Yolov3模型，输出交通标志识别结果。
基于改进 yolov3 交通标志识别方法设备介质

[发明专利]适用于小体积零件与堆叠零件的目标检测方法及其应用-CN202110710319.3在审
发明人：安康;张文浩;朱凯;上官倩芡;方厚招 -专利权人：上海师范大学
申请日： 2021-06-25 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种适用于小体积零件与堆叠零件的目标检测方法及其应用，将目标图片输入训练好的YOLOv3改进模型中，训练好的YOLOv3改进模型输出目标类别；YOLOv3改进模型相比于YOLOv3模型的改进之处在于，采用改进Focal Loss公式替换YOLOv3模型损失函数中负样本置信度部分，并在YOLOv3网络结构的最后一个特征尺度与检测层之间加入SPP模块。本发明的目标检测方法，通过YOLOv3改进模型进行目标检测，YOLOv3改进模型通过结合局部和全局多尺度特征，能够适用于小目标和堆叠目标的检测，同时具有分类精度高、对设备硬件及数据集数量的要求较低且识别速度快的特点
适用于体积零件堆叠目标检测方法及其应用

[发明专利]一种基于改进YOLOv3的小目标检测方法-CN202011506228.X有效
发明人：李东锦;牛福;刘昱 -专利权人：天津大学
申请日： 2020-12-18 - 公布日： 2023-01-17 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种基于改进YOLOv3的小目标检测方法，构建改进YOLOv3的特征提取网络，使用含有通道注意力机制的残差模块组成的特征提取网络代替YOLOv3的DarkNet‑53；构建改进YOLOv3的特征融合网络，在YOLOv3的特征金字塔网络的基础上增加了一个自底向上的结构；采用K‑means++聚类算法代替K‑means算法对自制的数据集聚类生成锚框；构建改进YOLOv3的检测网络，在52×52和26×26大小的特征图上进行检测；构建改进YOLOv3的损失函数，使用CIoU损失函数作为目标框的损失。与现有的YOLOv3算法相比，本发明将小目标的检测精度提升了9.96％，具有明显的提升。
一种基于改进 yolov3 目标检测方法

[发明专利]基于改进YOLOv3的SAR图像目标检测方法-CN202111395692.0在审
发明人：傅雄军;郎平;吴编;冯程;苏沁宁;卢继华;谢民 -专利权人：北京理工大学
申请日： 2021-11-23 - 公布日： 2022-03-08 - 主分类号： G06V20/13 文献下载
摘要：本发明涉及基于改进YOLOv3的SAR图像目标检测方法，属于雷达目标检测技术领域。所述方法包括：采集SAR图像；对SAR图像数据进行预处理，得到预处理后SAR图像数据并进行人工标注，得到SAR图像数据集并划分为训练数据集和测试数据集；建立改进YOLOv3模型，即在YOLOv3的主干网络Darknet53后增加SPP结构；简化原有YOLOv3的FPN层得FPN‑light结构；将训练数据集输入改进的YOLOv3模型中进行训练，得到训练好的改进YOLOv3模型；将测试数据集输入训练好的改进YOLOv3模型进行测试，得到识别结果。
基于改进 yolov3 sar 图像目标检测方法

[发明专利]一种基于知识蒸馏的文物真伪鉴定方法-CN201910526264.3有效
发明人：刘学平;李玙乾;张晶阳;王哲 -专利权人：清华大学深圳研究生院
申请日： 2019-06-18 - 公布日： 2021-03-26 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及文物真伪鉴定领域，特别涉及一种基于知识蒸馏的文物真伪鉴定方法，主要包括：步骤1：文物展出前，采集指纹区域图像，制作数据集；步骤2：配置YOLOV3网络作为教师网络，配置YOLOV3‑Tiny网络作为学生网络；步骤3：训练YOLOV3；步骤4：基于知识蒸馏训练YOLOV3‑Tiny；步骤5：文物回收后，重新采集指纹区域图像，制作测试集；步骤6：利用训练好的YOLOV3‑Tiny鉴定文物真伪。本发明利用准确性好但速度较慢的YOLOV3作为教师网络，准确性差但速度较快的YOLOV3‑Tiny作为学生网络，进行知识蒸馏，用软化后的目标监督学生网络学习，在保持YOLOV3‑Tiny原有较快的检测速度的情况下
一种基于知识蒸馏文物真伪鉴定方法

[发明专利]基于YOLOv3改进的交通标志检测与识别方法-CN201911422311.6有效
发明人：金燕;姚宇 -专利权人：浙江工业大学
申请日： 2019-12-30 - 公布日： 2023-04-18 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于YOLOv3改进的交通标志检测与识别方法，包括以下步骤：(1)获取和标注交通标志图像数据集，作为训练集；(2)构建YOLOv3改进网络模型；(3)通过训练集对所述的YOLOv3改进网络模型进行训练；(4)通过训练好的YOLOv3改进网络模型对待测交通标志图像进行检查与识别。通过上述方法，本发明实现了相较于YOLOv3原有算法相近的检测性能，同时模型得到了精简。
基于 yolov3 改进交通标志检测识别方法

[发明专利]用于水下声呐自主探测的脉冲神经网络转换方法和装置-CN202211432193.9在审
发明人：罗逸豪;李莉;张钰竹;廖鹏;杜友;孙创;张吟 -专利权人：宜昌测试技术研究所
申请日： 2022-11-16 - 公布日： 2023-06-02 - 主分类号： G06V20/05 文献下载
摘要：本发明提出一种用于水下声呐自主探测的脉冲神经网络转换方法和装置，该方法包括：步骤S1：修改基于深度神经网络模型(DNN)的YOLOv3‑tiny模型，得到经过修改的YOLOv3‑tiny模型；步骤S2：加载水下声呐图像数据集，训练所述经过修改的YOLOv3‑tiny模型；步骤S3：为进行水下目标检测，将训练好的YOLOv3‑tiny模型转换为基于脉冲神经网络(SNN)的YOLOv3‑SNN模型，所述YOLOv3‑SNN模型包括输入层、隐藏层和输出层，其中，输入层采用实数编码，隐藏层采用活跃状态，静息状态的两状态的脉冲神经编码，输出层使用膜电压解码；步骤S4：利用所述基于脉冲神经网络(SNN)的YOLOv3‑SNN
用于水下声呐自主探测脉冲神经网络转换方法装置

[发明专利]一种基于注意力机制的多尺度车辆行人检测方法及装置-CN202010602508.4在审
发明人：孔斌;李经宇;杨静;王灿 -专利权人：中国科学院合肥物质科学研究院
申请日： 2020-06-29 - 公布日： 2020-10-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于注意力机制的多尺度车辆行人检测方法及装置，所述方法包括：构建SPP+模块；将SPP+模块集成到YOLOv3网络的第一个检测头前面的第五卷积层和第六卷积层之间，形成YOLOv3‑SPP+网络；在YOLOv3‑SPP+网络的三个检测头之后加入PAN模块，形成YOLOv3‑SPP+‑PAN网络；在YOLOv3‑SPP+‑PAN网络中YOLOv3网络的卷积层53层之后添加SE模块，形成SE‑YOLOv3‑SPP+‑PAN网络；本发明的优点在于：适用于多尺度车辆行人检测，且小目标检测性能提升。
一种基于注意力机制尺度车辆行人检测方法装置

[发明专利]一种基于改进YOLOv3的微小病虫害检测系统及其方法-CN202111531381.2在审
发明人：王卫星;胡凯;骆润玫;刘泽乾;廖飞;曹亚芃 -专利权人：华南农业大学
申请日： 2021-12-14 - 公布日： 2022-03-22 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于改进YOLOv3的微小病虫害检测系统及其方法，该系统包括：输入模块和改进YOLOv3模型；输入模块与改进YOLOv3模型相连，用于将图像输入至改进YOLOv3模型；改进YOLOv3模型中包括幻象模块、注意力模块、上下文增强模块CAM、小目标检测头和判断模块；该方法包括以下步骤：将待检测图像输入至训练好的改进YOLOv3网络模型中，通过改进YOLOv3网络模型判断图像上是否患有病症或出现虫害现象；本发明能够在自然条件下达到有效减少复杂背景造成误检的同时改善微小病虫害的检测和定位的效果
一种基于改进 yolov3 微小病虫害检测系统及其方法

[发明专利]一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法-CN202010158887.2在审
发明人：段黎明;阮浪;杨珂;朱世涛 -专利权人：重庆大学
申请日： 2020-03-09 - 公布日： 2020-07-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进YOLOv3网络模型识别铸件DR图像疏松缺陷的方法，步骤为：1)利用图像标注工具的矩形框对疏松缺陷数据集进行缺陷标注。2)建立改进YOLOv3网络模型。3)利用疏松缺陷数据训练集对改进YOLOv3网络模型进行训练。4)利用疏松缺陷数据测试集对训练后的改进YOLOv3网络模型进行测试。5)对改进YOLOv3网络模型进行改进。6)获取待检测铸件的DR图像，并输入到改进YOLOv3网络模型中，判断铸件的缺陷等级和位置坐标。本发明提高了目标检测网络对小目标物体的检测效果。
一种基于改进 yolov3 网络模型识别铸件 dr 图像疏松缺陷方法

[发明专利]一种基于改进的yolov3-tiny网络的交通标识检测方法-CN202010010170.3在审
发明人：卿粼波;俞辰;滕奇志;何小海;胡亮 -专利权人：四川大学
申请日： 2020-01-06 - 公布日： 2021-07-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进的yolov3‑tiny网络的交通标识检测方法，提高了yolov3‑tiny检测交通标识的准确率，同时减少了参数量，可以达到在嵌入式平台上实时检测交通标识的效果。该方法包括数据集预处理，yolov3‑tiny的网络结构的改进，以及改进后网络模型的测试。本发明的网络检测模型在测试集上的检测精度mAP达到93.53％，比yolov3‑tiny提高了4.17％，recall达到了94.49％，比yolov3‑tiny提高了2.63％，参数量只有5.7M，比yolov3‑tiny减少了83.6％，在嵌入式平台上检测交通标识时性能优良。
一种基于改进 yolov3 tiny 网络交通标识检测方法

[发明专利]一种海上小尺度目标检测方法和装置-CN202310855620.2在审
发明人：赵玉普;周轲瑞;时惠莉 -专利权人：中国船舶集团有限公司第七〇九研究所
申请日： 2023-07-13 - 公布日： 2023-10-03 - 主分类号： G06V10/82 文献下载
摘要：本发明属于海上目标实时检测领域，涉及一种海上小尺度目标检测方法和装置，包括：对原始图像进行预处理得到第一图像和第二图像，对原始yolov3‑tiny网络模型进行训练后得到第一级yolov3‑tiny网络模型和第二级yolov3‑tiny网络模型，将所述第一图像输入所述第一级yolov3‑tiny网络模型得到第一级特征图，构建fdnet模块，所述fdnet模块用于预测所述第二图像上需要裁剪的感兴趣区域图像，将所述感兴趣区域图像输入所述第二级yolov3‑tiny网络模型得到第二级特征图，所述第一级特征图和所述第二级特征图组成最终的特征图，本发明将yolov3‑tiny网络模型扩充为两级，并在第一级yolov3‑tiny网络模型的第五层卷积池化后增加一个fdnet模块，提高了yolov3‑tiny网络模型在海上小尺度目标检测时的准确率。
一种海上尺度目标检测方法装置

[发明专利]一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法-CN201911085665.6在审
发明人：王珏飞;陆丽;张凌恺;郦欣文;马婧涵 -专利权人：上海电机学院
申请日： 2019-11-08 - 公布日： 2020-02-25 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法，包括以下步骤：步骤S1：获得训练集和测试集；步骤S2：利用训练集训练输出四层尺度的YOLOv3网络，得到优化YOLOv3网络；步骤S3：将测试集输入优化YOLOv3网络，验证优化YOLOv3网络；步骤S4：基于霍夫变换后的待检测绝缘子图像和优化YOLOv3网络，进行绝缘子缺损检测。
一种基于变换 yolov3 网络绝缘子缺损检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条