“yolov8”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999550个，建议您升级VIP下载更多相关专利

[发明专利]一种基于YOLOv3算法的安全帽佩戴检查方法-CN202110352476.1有效
发明人：刘倍铭;王飞扬;张国峰;曾璐遥;方亿;宁斯岚 -专利权人：成都飞机工业（集团）有限责任公司
申请日： 2021-03-31 - 公布日： 2022-09-20 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于YOLOv3算法的安全帽佩戴检查方法，通过对YOLOv3模型的检测尺度进行拓展，得到尺寸更大的特征图，进而避免安全帽特征较小时造成检测精度不足或特征提取困难的问题；同时对YOLOv3中的损失函数进行改进，基于尺度检测框与真实目标框之间的IoU值得对数损失建立损失函数，进而避免了传统的YOLOv3模型中损失函数对尺度信息敏感的问题，进而大大提高了YOLOv3模型迭代计算的效率和稳定性
一种基于 yolov3 算法安全帽佩戴检查方法

[发明专利]结合注意力机制与自适应记忆性融合网络的瑕疵检测方法-CN202111671344.1有效
发明人：狄岚;邓世爽;顾雨迪;余越 -专利权人：江南大学
申请日： 2021-12-31 - 公布日： 2022-12-27 - 主分类号： G06T7/00 文献下载
摘要：本发明提出结合注意力机制与自适应记忆性融合网络的织物瑕疵检测方法与Faster_rcnn、Cascade_rcnn、YOLOv3、YOLOv4以及YOLOv5m、YOLOv5l、YOLOv5x等现有目标检测模型的实验结果比较分析
结合注意力机制自适应记忆融合网络瑕疵检测方法

[发明专利]一种基于改进YOLOv5的舰船目标识别方法及系统-CN202211365278.X有效
发明人：杨星海;刘佳峰;任志考;叶臣;孟顺;王景景 -专利权人：青岛科技大学
申请日： 2022-11-03 - 公布日： 2023-08-04 - 主分类号： G06V10/82 文献下载
摘要：本发明提供了一种基于改进YOLOv5的舰船目标识别方法及系统，属于机器视觉和目标识别技术领域。该方法包括骤：获取待检测图像，分为训练集和测试集；改进YOLOv5模型：以YOLOv5模型为基本架构，使用CSPOSA模块作为特征提取模块、使用BiFPN结构作为特征融合结构、设置Alpha‑IoU损失函数；利用训练集对改进的YOLOv5模型进行训练；利用训练好的YOLOv5模型对测试集进行检测，输出船舰目标检测结果。
一种基于改进 yolov5 舰船目标识别方法系统

[发明专利]一种基于剪裁YOLOv3-SPP3的柑橘木虱检测与识别方法-CN202111418717.4在审
发明人：张艳;李娜;樊宽刚 -专利权人：赣南师范大学
申请日： 2021-11-26 - 公布日： 2022-02-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于剪裁YOLOv3‑SPP3的柑橘木虱检测与识别方法，包括如下步骤：采集农作物中柑橘木虱的图片数据；使用LabelImg软件制作柑橘木虱训练数据集；使用k‑means算法对柑橘木虱训练数据集的标注框进行聚类；在YOLOv3的骨干网络中加入三个空间金字塔池化模块，构成YOLOv3‑SPP3网络模型；用聚类得到的先验框替换YOLOv3‑SPP3网络模型原始的先验框；采用柑橘木虱训练数据集对YOLOv3‑SPP3网络模型进行稀疏训练、通道裁剪和层裁剪，然后对得到的YOLOv3‑SPP3网络模型进行微调；把待检测的柑橘木虱图像输入经过处理的YOLOv3‑SPP3网络模型中，得到柑橘木虱检测结果。
一种基于剪裁 yolov3 spp3 柑橘检测识别方法

[发明专利]一种基于Yolov4的隔膜缺陷识别方法-CN202111325709.5在审
发明人：甄志明;卢清华;陈勇 -专利权人：佛山科学技术学院
申请日： 2021-11-10 - 公布日： 2022-03-11 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于Yolov4的隔膜缺陷识别方法，包括以下步骤：第一步，获取隔膜图像数据；第二步，使用标注工具标注缺陷类型，生成标注文件，作为数据集；第三步，使用聚类算法k‑means聚类出数据集的先验框；第四步，建立改进Yolov4网络模型，通过训练集对改进Yolov4网络模型进行训练；其中，改进Yolov4网络模型采用低层特征信息与高层特征信息相结合的结构；该改进Yolov4网络模型的SPP和PANet中添加CSP结构，并采用与注意力机制相结合，以提高缺陷的检测精度；第五步，使用测试集测试训练后的改进Yolov4网络模型的检测性能；第六步，将最优改进Yolov4网络模型的训练模型部署到隔膜检测现场进行隔膜的缺陷检测
一种基于 yolov4 隔膜缺陷识别方法

[发明专利]一种基于改进多头自注意力的无人机小目标检测方法-CN202210528675.8在审
发明人：巩荣芬;束伟;储茂祥;王伟;刘光虎 -专利权人：辽宁科技大学
申请日： 2022-05-16 - 公布日： 2022-08-05 - 主分类号： G06V20/17 文献下载
摘要：本发明提供一种基于改进多头自注意力的无人机小目标检测方法，包括：步骤1：从已经部署的居民摄像头监控中采集图像，获得一个含有低空无人机的图片数据集；步骤2：使用含低空无人机的图片数据集对原始的YOLOv5s模型进行预训练，获得YOLOv5s的预训练权重；步骤3：根据无人机小目标的特性对多头自注意力模块进行改进，并将其加入到YOLOv5s模型中；步骤4：使用含低空无人机的图片数据集和预训练权重对YOLOv5s模型进行重新训练，获得YOLOv5s的新训练权重；步骤5：将新训练权重加载到YOLOv5s模型中，对居民摄像头监控数据进行检测。在YOLOv5s目标检测模型基础上添加改进多头自注意力模块，既适用于实时的无人机小目标检测任务，又增强目标检测模型提取小目标特征的能力。
一种基于改进多头注意力无人机目标检测方法

[发明专利]一种基于YOLOv5模型优化的车辆检测与识别方法-CN202310147319.6在审
发明人：符茂达;胡习之;姜立标;崔博非;陈朗 -专利权人：华南理工大学
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： G06V20/58 文献下载
摘要：本发明提出一种基于YOLOv5模型优化的车辆检测与识别方法，包括：步骤S1、获取若干张包含不同车辆类型的图片，并对图片进行标注，得到数据集；步骤S2、对标注好的图片数据进行预处理操作，将预处理好的图片数据输入到YOLOv5模型的骨干网络中，骨干网络能够对图像上的特征信息通过卷积网络进行特征提取；步骤S3、根据所建立的数据集优化YOLOv5车辆检测模型，其中，YOLOv5车辆检测模型相较于现有YOLOv5模型的改进包括：将骨干网络中的CSP1_X模块替换为ShuffleNetv2模块，将头部模块Bounding Box损失函数的DIOU_Loss替换为CIOU_Loss；步骤S4、将待检测图像数据输入到优化后的YOLOv5使用优化的YOLOv5检测方法可以直接端到端的输出所检测的物体的类别概率和位置，可以达到较高精度。
一种基于 yolov5 模型优化车辆检测识别方法

[发明专利]基于深度学习的刀闸状态识别方法-CN202010744472.3在审
发明人：董召杰;黄文琦;梁凌宇;吴丹;曾群生;吴洋;郑桦;明志勇 -专利权人：南方电网数字电网研究院有限公司
申请日： 2020-07-29 - 公布日： 2020-10-23 - 主分类号： G06K9/00 文献下载
摘要：对所述刀闸样本进行训练，获取YoloV4检测模型。获取待检测图像数据，利用所述YoloV4检测模型，对目标刀闸的位置进行定位，并对目标刀闸进行分类。上述方法，经过最终的模型训练，形成所述YoloV4检测模型。所述YoloV4检测模型有效的提取出刀闸的外观形状特征，对变电站刀闸的状态进行判断，大大提升了检测速度。
基于深度学习状态识别方法

[发明专利]基于改进YOLOV4的烟叶烟梗部位的识别定位系统-CN202111668580.8在审
发明人：刘新宇;郝同盟;江涛;常瑞;徐燕;王亚辉;王继东 -专利权人：华北水利水电大学
申请日： 2021-12-31 - 公布日： 2022-09-06 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于改进YOLOV4的烟叶烟梗部位识别定位方法，包括以下步骤构建YOLOV4的算法模型，并对YOLOV4的算法模型进行改进；采集烟叶数据，并对烟叶数据进行预处理；采用采集的烟叶数据对改进后的YOLOV4的算法模型进行训练，并采用训练好的算法模型进行烟叶烟梗部位的识别；根据烟梗部位的识别，对烟梗部位进行坐标输出，可以大幅减少网络参数，提高模型检测准确率与系统识别速度。
基于改进 yolov4 烟叶部位识别定位系统

[发明专利]基于改进yolov7网络的PCB表面缺陷检测方法及系统-CN202310872790.1在审
发明人：王洪元;王阳;张继;丁宗元 -专利权人：常州大学
申请日： 2023-07-14 - 公布日： 2023-10-20 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及图像处理技术领域，尤其涉及基于改进yolov7网络的PCB表面缺陷检测方法及系统，包括下载PCB缺陷图像公开数据集，并将数据划分为训练集、验证集和测试集；构建改进yolov7网络，利用训练集数据对模型进行训练；利用均值平均精度mAP、准确率Precision、召回率Recall对改进yolov7网络进行评估。本发明解决yolov7模型在检测小目标时存在检测率低、检测准确性和速度低的问题。
基于改进 yolov7 网络 pcb 表面缺陷检测方法系统

[发明专利]一种考试异常行为检测方法、装置及计算机可读存储介质-CN202011303698.6在审
发明人：陈中举;房梦婷 -专利权人：长江大学
申请日： 2020-11-19 - 公布日： 2021-01-29 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种考试异常行为检测方法、装置及计算机可读存储介质，所述方法包括以下步骤：获取考试行为图像，对所述考试行为图像进行标注，生成考试异常行为数据集；优化YOLOv3算法的损失函数，对数据集的边界框聚类，获取最佳Anchor尺寸，得到优化后的YOLOv3算法，利用数据集对YOLOv3算法进行训练及测试，得到最终的YOLOv3模型；获取考试行为视频，按帧读取所述视频，形成帧图片，利用所述最终的YOLOv3
一种考试异常行为检测方法装置计算机可读存储介质

[发明专利]一种基于改进YOLOv3的遥感图像小目标检测方法-CN202111269827.9在审
发明人：李国强;常轩 -专利权人：燕山大学
申请日： 2021-10-29 - 公布日： 2022-01-25 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于改进YOLOv3的遥感图像小目标检测方法，属于深度学习及目标检测技术领域，包括数据集预处理；优化YOLOv3网络，在Neck中加入空洞卷积组模块、特征强化模块和通道注意力机制模块；在线数据增强；前向推理；改进损失函数；选择在验证集上检测精度和召回率最高的YOLOv3网络模型载入网络等步骤。本发明通过改进损失函数和在YOLOv3原网络中加入空洞卷积组模块、特征强化模块、通道注意力机制模块以改进YOLOv3检测网络，性能明显提升，对遥感图像中的目标检测更全面，精度更高，而且提高了训练速度和整体检测精度
一种基于改进 yolov3 遥感图像目标检测方法

[发明专利]一种基于CycleGAN的夜间车辆识别方法-CN202210041437.4在审
发明人：刘军清;余利君;李菁;康维 -专利权人：三峡大学
申请日： 2022-01-14 - 公布日： 2022-04-29 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于CycleGAN的夜间车辆识别方法，包括以下步骤：获取车辆图像的数据集，将数据集划分为训练集与测试集；基于CycleGAN与YOLOv4，获得改进后的YOLOv4；基于夜间车辆图像与白天车辆图像对CycleGAN进行训练，获得训练后的转换器；基于夜间车辆图像与训练后的转换器对改进后的YOLOv4进行训练，获得训练好的YOLOv4；基于训练好的YOLOv4对测试集进行测试，获得夜间车辆识别结果。
一种基于 cyclegan 夜间车辆识别方法

[发明专利]一种基于改进YOLOv3的轻量化目标检测方法-CN202210287339.9在审
发明人：宋永端;沈志熙;徐赞林;李韵聪 -专利权人：重庆大学
申请日： 2022-03-22 - 公布日： 2022-07-05 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于改进YOLOv3的轻量化目标检测方法，该方法包括S1采集包含待检测目标物的图像数据，依据VOC2012数据集格式制作得到训练集，S2对原始YOLOv3网络模型的backbone进行改进，S3对改进的YOLOv3网络模型进行训练，S4向训练好的最终改进的YOLOv3网络模型输入待检测图像，输出目标物用外接矩形框标记并显示。本发明对传统YOLOv3算法进行轻量化改进，在保证其精度和实时性的同时，将模型大小减小到3.17MB，操作简单，易于实现，具有较高的实用性。
一种基于改进 yolov3 量化目标检测方法

[发明专利]一种基于改进的YOLOv5s模型的苹果病害识别方法-CN202210199557.7在审
发明人：孙丰刚;兰鹏;王云露;沈东健;张帆;葛成恺;张彬;周筑南 -专利权人：山东农业大学
申请日： 2022-03-01 - 公布日： 2022-07-29 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及神经网络与目标识别技术领域，更为具体来说，本申请涉及一种基于改进的YOLOv5s模型的苹果病害识别方法。所述方法包括：获取苹果病害数据集，并对所述苹果病害数据集进行预处理；对YOLOv5s模型进行轻量化改进；基于预处理后的苹果病害数据集对改进后的YOLOv5s模型进行训练；利用训练好的改进后的YOLOv5s本申请改进后模型达到模型轻量化、存储占用低，利用训练好的改进后的YOLOv5s模型对目标苹果病害图像进行识别，识别速度快且识别精度高。
一种基于改进 yolov5s 模型苹果病害识别方法