“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]一种基于改进YOLOv7的舰船光学图像尾迹检测方法-CN202310597627.9在审
发明人：曲钧天;曹翔宇;王学谦;梁斌 -专利权人：清华大学深圳国际研究生院
申请日： 2023-05-25 - 公布日： 2023-08-15 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于改进YOLOv7的舰船光学图像尾迹检测方法，包括以下步骤：S1、获取舰船尾迹光学遥感图像集；S2、对所述舰船尾迹光学遥感图像集进行预处理和标记，建立训练集和测试集；S3、对改进YOLOv7网络进行建模；S4、利用所述训练集训练所述改进YOLOv7网络直至收敛；S5、将待分析的舰船尾迹光学遥感图像输入至收敛后的改进YOLOv7网络，输出舰船尾迹的检测结果。
一种基于改进 yolov7 舰船光学图像检测方法

[发明专利]一种面向YOLOv5的数据和结构优化改进方法及处理终端-CN202211414224.8在审
发明人：陈映谦;石智伟;罗浩文;黄澍;邹俊辉;何中杰 -专利权人：广东工业大学
申请日： 2022-11-11 - 公布日： 2023-04-11 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种面向YOLOv5的数据和结构优化改进方法及处理终端，该方法包括：采用了头部共享卷积的方式改进原版YOLOv5的头部结构；通过无损mosaic进行数据增强，将截取比例不满足要求的标签去除并将对应区域设置为背景像素值本发明提出一种面向YOLOv5的数据和结构优化改进方法及处理终端，旨在YOLOv5模型存在尺度不均均衡问题，原版mosaic数据增强算法产生的目标标签与目标特征不一致问题。
一种面向 yolov5 数据结构优化改进方法处理终端

[发明专利]一种高压输电线路烟雾图像检测方法-CN202310168518.5在审
发明人：刘卫朋;罗铭洋;王梦炜;巩相瑞 -专利权人：河北工业大学
申请日： 2023-02-23 - 公布日： 2023-05-23 - 主分类号： G06V10/25 文献下载
摘要：本申请提供一种高压输电线路烟雾图像检测方法，包括：采集高压输电线路处的烟雾图像，并将图像输入至改进YOLOv3模型中，使用改进YOLOv3模型对烟雾图像中烟雾所处区域添加检测框；进而根据烟雾图像中是否存在检测框来判断烟雾图像中是否存在烟雾由于本申请通过改进YOLOv3模型来进行进行烟雾图像检测，能够适应更多的检测环境，不易受到复杂背景的影响；使用改进YOLOv3模型还能够使得在进行烟雾检测时，具有更高的检测效率与检测精度更高，还具有更低的漏检率
一种高压输电线路烟雾图像检测方法

[发明专利]一种面向海思硬件平台的安防检测方法和系统-CN202210935865.1在审
发明人：孙国强;费奇 -专利权人：武汉智谱科技有限公司
申请日： 2022-08-05 - 公布日： 2023-02-03 - 主分类号： G06V20/40 文献下载
摘要：本发明实施例提供一种面向海思硬件平台的安防检测方法和系统，通过等比例缩放的方式替代直接拉伸图像，提升算法的检测率，Mosaic增强算法会对小目标进行增强、样本会变得均衡，保留了数据更多特征信息的同时，也增加了训练时候的数据样本；更改yolov5中Focus的结构使得模型推理更快，因此yolov5相对于yolov3模型耗时更短、对小目标检测效果更好。在海思3516DV300上实测yolov5算法耗时在30ms每帧左右，满足实时性。
一种面向硬件平台检测方法系统

[发明专利]一种基于改进YOLOv2的无人驾驶中行人检测方法-CN201810675999.8有效
发明人：石英;罗佳齐;李振威 -专利权人：武汉理工大学
申请日： 2018-06-27 - 公布日： 2022-03-01 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于改进YOLOv2的无人驾驶中行人检测方法。首先通过KITTI数据集训练YOLOv2网络，得到训练模型。然后，通过车载摄像头捕捉视频，将视频中的每一帧作为YOLOv2网络的输入，并将训练模型导入YOLOv2网络。接着运行网络，初步得到检测出的行人的位置信息和概率。
一种基于改进 yolov2 无人驾驶行人检测方法

[发明专利]一种基于YOLOv3的扶梯安全监测方法-CN201811315462.7在审
发明人：李晶皎;张震;闫爱云;王爱侠;李贞妮 -专利权人：东北大学
申请日： 2018-11-06 - 公布日： 2019-03-19 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于YOLOv3的扶梯安全监测方法，包括如下步骤：步骤1：截取历史扶梯监控视频中有乘客乘梯的图片，标注出图片中人物部分作为目标区域并按照PASCAL VOC数据集格式制作数据集一；按照目标区域中的人物的姿态进行分类并按照PASCAL VOC数据集格式制作数据集二；步骤2：使用数据集一训练YOLOv3网络模型一；使用数据集二训练YOLOv3网络模型二；步骤3：对扶梯进行实时安全监测，通过YOLOv3网络模型一输出目标区域位置坐标；将目标区域图片为YOLOv3网络模型二的输入对扶梯上乘客的姿态进行识别。
扶梯网络模型数据集目标区域安全监测使用数据实时安全监测方案解决监控视频区域位置实时监控输出目标乘客截取乘梯制作标注图片分类

[发明专利]一种基于深度学习的交通场景目标检测方法及系统-CN202010205946.7在审
发明人：王宇宁;胡阳阳;蒋海洋;鲁茂强 -专利权人：武汉理工大学
申请日： 2020-03-23 - 公布日： 2020-07-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的交通场景目标检测方法及系统，利用改进的YOLOv3目标检测方法检测车辆和行人，包括为实现交通场景特征提取建立改进的YOLOv3模型并进行训练，所述改进的YOLOv3模型基于边界框的中心信息和大小信息，对边界框进行建模，得到相应高斯模型，以预测边界框的不确定性，并相应设置损失函数；将车载收集的交通视频分解为图片并进行标记，将图片输入到经过训练所得改进的YOLOv3模型，识别出交通场景中的车辆和行人。本发明对YOLOv3进行高斯建模和损失函数重构减少训练过程中噪声数据的影响并预测定位不确定性来提高精度，使用该预测的定位不确定性，可以进一步提高检测精度。
一种基于深度学习交通场景目标检测方法系统

[发明专利]图像分割方法、装置、电子设备及计算机可读存储介质-CN201911258179.X在审
发明人：沈涛;郭又文;邹斌;郭健;陈芳 -专利权人：深圳华大生命科学研究院
申请日： 2019-12-10 - 公布日： 2021-06-11 - 主分类号： G06T7/10 文献下载
摘要：该方法包括：对预设YOLOv3模型进行U形扩展，得到一包含U形采样单元的改进型YOLOv3模型，其中U形采样单元包括下采样网络及上采样网络，下采样网络由YOLOv3模型的Darknet53网络构成，上采样网络由YOLOv3模型中的多个上采样模块串接而成；利用预设训练样本集的样本图像对改进型YOLOv3模型进行训练，得到图像分割模型；及利用图像分割模型对待处理图像进行图像分割处理。
图像分割方法装置电子设备计算机可读存储介质

[发明专利]基于改进YOLOv3-tiny的交通标志检测与识别方法-CN202011516279.0在审
发明人：朱梓铭;邢关生;孙晗松;王连彪;王光泽 -专利权人：青岛科技大学
申请日： 2020-12-21 - 公布日： 2021-03-09 - 主分类号： G06K9/00 文献下载
摘要：本发明提供基于改进YOLOv3‑tiny的交通标志检测与识别方法，包括以下步骤：采集交通标志图像数据，采用几何变换和色彩变换对图像数据进行增强扩增，并进行图像标注，得到交通标志训练集；构建改进的YOLOv3‑tiny网络模型，并采用交通标志训练集对改进的YOLOv3‑tiny网络模型进行训练；根据交通标志图像数据构建交通标志测试集，并利用训练好的改进的YOLOv3‑tiny网络模型对交通标志测试集进行检测与识别本发明的改进的YOLOv3‑tiny有较强的泛化能力，占用存储空间和显存空间较小，提高了检测识别准确率，同时还能保证实时性，能够在算力有限的车载嵌入式设备中实现精确和快速的交通标志检测与识别。
基于改进 yolov3 tiny 交通标志检测识别方法

[发明专利]基于改进的YOLOv5网络的肺结节检测系统-CN202111097242.3在审
发明人：蒋振刚;张丽媛;何巍;师为礼;李岩芳;苗语;何飞;赵家石;张科;曲峰;秦俊;冯冠元;董晓 -专利权人：长春理工大学;长春理工大学重庆研究院
申请日： 2021-09-18 - 公布日： 2021-12-24 - 主分类号： G06T7/00 文献下载
摘要：基于改进的YOLOv5网络的肺结节检测系统涉及计算机辅助检测与诊断领域，进一步改进了原始的YOLOv5网络结构，使得肺结节检测精度进一步提高。本发明采用YOLOv5方法为基本框架，解决了二阶段检测算法中检测速度慢，复杂度高的问题。针对传统YOLO算法对小目标如肺部结节识别困难和肺部结节检测准确性差的问题。在原始YOLOv5网络的基础上，通过在骨干网络中嵌入SE注意机制和改变特征融合方法，改进了YOLOv5算法，提高了肺结节检测的精度。使主干网络更能聚焦感兴趣区域，提高特征表征能力。
基于改进 yolov5 网络结节检测系统

[发明专利]一种基于改进YOLOv4算法的遥感图像海上船舶识别系统及其方法-CN202111381889.9在审
发明人：薛文涛;何茂正;吴帅;杨晓飞;刘伟 -专利权人：江苏科技大学
申请日： 2021-11-22 - 公布日： 2022-01-11 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于改进YOLOv4算法的遥感图像海上船舶识别系统及其方法，包括：搜集以往拍摄的或搜集的海面场景的卫星遥感图像；使用数据标记软件将预处理后的图片进行种类标注；将遥感图片中的船舰与周边环境物相分割，以消除图像噪声；获得YOLO算法锚点框的估计值；生成YOLOv4框架；生成YOLOv4的检测框；设定候选框的阈值，最终得到预测框；计算三种损失函数并使其总值最小，得到训练后改进的YOLOv4神经网络；将测试子集中图片输入到训练后改进的YOLOv4网络，获得目标类别、目标在图片中具体地位置和目标宽高，完成目标检测。
一种基于改进 yolov4 算法遥感图像海上船舶识别系统及其方法

[发明专利]基于深度学习的交通灯识别方法-CN202111291491.6在审
发明人：李晓威;金庭安;程鹏;周春荣 -专利权人：重庆交通职业学院;道简优行（重庆）科技有限公司;重庆金皇后新能源汽车制造有限公司
申请日： 2021-11-01 - 公布日： 2022-01-28 - 主分类号： G06V20/58 文献下载
摘要：本发明涉及一种基于深度学习的交通灯识别方法，包括标注交通灯图片集并训练得到交通灯模型；增加yolov5模型的小目标识别能力；使yolov5模型实时读取相机的图像；对相机采集的图片进行滤波去噪处理；将训练好的交通灯模型中的数据集和交通灯权重文件加入改进后的yolov5模型，通过该模型从相机采集的图像中识别出交通灯的真实边界框，并输出识别结果。本发明中，采用了基于yolov5的交通灯识别方法，并通过对yolov5的改进，解决了传统识别方法识别图像速度慢，准确低的问题；并增强了对小目标的识别能力，目标识别精度高，实时性强，非常适合应用于无人驾驶技术
基于深度学习交通灯识别方法

[发明专利]一种基于位置关联性特征融合的YOLOv4混凝土表观病害检测方法-CN202111478855.1在审
发明人：苏祖强;赵成;韩延;王诚诚;王鑫 -专利权人：重庆邮电大学
申请日： 2021-12-06 - 公布日： 2022-04-15 - 主分类号： G06V10/774 文献下载
摘要：本发明属于计算机视觉技术领域，具体涉及一种基于位置关联性特征融合的YOLOv4混凝土表观病害检测方法，包括将YOLOv4的路径聚合网络输出的三层特征分别进行多尺度融合，通过基于位置关联性注意力模块进行特征多尺度的自适应融合构建基于位置关联性特征融合的YOLOv4模型；将采集的病害图像使用标注工具对病害所在的位置与类别进行标注并利用病害图像和标记后得到的病害信息对模型进行训练；将实时检测混凝土表观病害图像输入训练好的模型，模型输出检测后标注病害类别以及位置的图像；本发明通过在原始的YOLOv4的路径聚合网络后面添加基于位置关联性的特征融合模块，增强YOLOv4特征融合的效果，提升目标的检测精度。
一种基于位置关联性特征融合 yolov4 混凝土表观病害检测方法

[发明专利]一种乳鸽鸽龄检测方法-CN202210520214.6在审
发明人：姚俊;师泽晨;邹娟;杨灵;许海霞 -专利权人：仲恺农业工程学院
申请日： 2022-05-13 - 公布日： 2022-08-30 - 主分类号： G06V10/82 文献下载
摘要：一种乳鸽鸽龄检测方法，包括如下步骤：改进YOLOv5s网络模型，先将CBAM中的空间注意力改进为逐点空间注意力，再将改进后的CBAM注意力机制嵌入在YOLOv5s模型主干网络中每个残差分支的末端，将YOLOv5s的NMS策略从每个类分别进行NMS改进为多个类同时进行NMS，得到改进的YOLOv5s网络模型；数据集制作，对乳鸽图片按照日龄阶段进行标注；将数据集输入改进后的YOLOv5s网络模型中进行模型训练；加载最佳权重数据后
一种乳鸽检测方法

[发明专利]基于改进YOLOv5的电池壳端面缺陷实时检测方法-CN202210713529.2在审
发明人：胡海兵;朱振昊 -专利权人：合肥工业大学
申请日： 2022-06-22 - 公布日： 2022-08-30 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了基于改进YOLOv5的电池壳端面缺陷实时检测方法，通过锂电池缺陷检测设备获取锂电池钢壳端面缺陷图像；再进行缺陷类型和缺陷位置标注以及数据集预处理；然后基于YOLOv5网络模型进行改进，加入CBAM注意力机制，并基于训练集对优化后的改进YOLOv5网络模型进行训练；最后，利用训练后的改进YOLOv5网络模型对锂电池钢壳端面缺陷进行检测。本发明基于改进YOLOv5的电池壳端面缺陷实时检测方法，能对常见不同类型的锂电池钢壳端面缺陷进行实时检测并进行缺陷定位，提高不同种类以及相似结构缺陷识别的准确率，具有检测速度快、检测效率高、稳定性强、检测精度高
基于改进 yolov5 电池端面缺陷实时检测方法