“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]一种改进YOLOv3复杂棉田背景下棉花检测方法-CN202011450660.1有效
发明人：李亚楠;徐洋;周于涛 -专利权人：武汉工程大学
申请日： 2020-12-09 - 公布日： 2022-07-19 - 主分类号： G06V20/10 文献下载
摘要：本发明提供一种基于改进YOLOv3复杂棉田背景下棉花检测方法，对预处理后的复杂棉田背景图像进行特征提取，得到2倍、4倍、8倍、16倍和32倍下采样特征图；构建改进型YOLOv3模型，在模型中构建空间金字塔卷积模块，将2倍下采样后得到的特征图，作为空间金字塔卷积模块的输入，得到特征增强后的特征图，分别进行下采样得到对应的4倍、8倍、16倍下采样增强特征图P1、P2、P3；将R2、R1_U、P3融合作为16倍下采样尺度的特征信息，将R3、R2_U、P2融合作为8倍下采样尺度的特征信息，将R4、R3_U、P1融合作为4倍下采样尺度的特征信息，利用增强的多尺度特征信息进行预测得到棉花目标的位置信息，作为改进型YOLOv3模型的输出
一种改进 yolov3 复杂棉田背景棉花检测方法

[发明专利]基于旋转框标注YOLOV3的SAR舰船目标检测方法-CN202210563106.7在审
发明人：王辉;顾约翰;别雨轩;曾朝阳 -专利权人：王辉
申请日： 2022-05-19 - 公布日： 2022-08-23 - 主分类号： G06V20/00 文献下载
摘要：本发明提供一种基于旋转框标注YOLOV3的SAR舰船目标检测方法，包括如下步骤：S1、采集包含感兴趣目标的SAR图像，对所述SAR图像进行预处理并以(x1,y_{,x3,y3,x4,y4)8参数描述任意角度的目标框；S2、将所述8参数目标框转化为5参数目标框，即为(trx,try,trw,trh,trθ)；S3、改进YOLOv3模型：YOLOv3模型中的head部分在输出时将各尺度特征图检测分支的输出维数增加到本发明针对现有技术中目标检测算法存在的不足，如在复杂背景下对遥感图像中的飞机目标检测处理步骤过多，实时性较差的问题，而在yolov3网络中加入旋转框并没有增加过多的工作量，且通过旋转，倾斜目标的准确率也得到了一定的提升}
基于旋转标注 yolov3 sar 舰船目标检测方法

[发明专利]基于小目标检测和改进YOLOv5的麦穗计数检测方法-CN202310228014.8在审
发明人：李睿;何玉环;武雁鹏 -专利权人：兰州理工大学
申请日： 2023-03-10 - 公布日： 2023-08-08 - 主分类号： G06T7/00 文献下载
摘要：基于小目标检测和改进YOLOv5的小麦计数检测方法，主要包括收集田间麦穗头不同角度下的图像；对收集的麦穗图像利用数据增强对图像数量进行扩充；对麦穗图像进行YOLOv5格式的标注并标注麦穗头的方位坐标，形成数据集；利用Mosaic‑8数据增强方式对图像进行预处理拼接，提高数据集的泛化能力；将原有主干网络增加4倍下采样，添加注意力机制，改进损失函数为GIoU，构建改进的YOLOv5麦穗检测模型；利用按比例划分的数据集对构建的麦穗计数检测模型进行训练和模型误差分析
基于目标检测改进 yolov5 麦穗计数方法

[发明专利]一种改进YOLOv5的布匹瑕疵检测方法-CN202110841573.7在审
发明人：张强;王琦;窦冬洋;齐鹏;王诗宇;王晓杰;刘信君;韩玉虎 -专利权人：沈阳中科数控技术股份有限公司
申请日： 2021-07-26 - 公布日： 2023-02-07 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于改进YOLOv5的布匹瑕疵检测方法，包括：输入布匹的RGB图像；训练目标检测网络SE‑YOLOv5；检测瑕疵点；输出瑕疵点的位置。本发明方法为基于SE模块的YOLOv5网络(SE Module‑Based YOLOv5，SE‑YOLOv5)，SE‑YOLOv5在YOLOv5网络中的backbone中加入了SE模块，并且把YOLOv5CSP实验结果表明，SE‑YOLOv5相比YOLOv5，有着更好的泛化能力，能够更好地应用到实际的布匹瑕疵检测。
一种改进 yolov5 布匹瑕疵检测方法

[发明专利]基于YOLOv5网络的头盔检测方法-CN202210405929.7在审
发明人：彭树生;宋伟军;吴礼;郭林 -专利权人：南京理工大学
申请日： 2022-04-18 - 公布日： 2022-08-02 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于YOLOv5网络的头盔检测方法，包括：采用Mosaic‑8图像增强算法对原始图片进行预处理；将预处理后的图片输入到引入了注意力机制的YOLOv5网络中进行迭代训练，通过反复迭代训练获得最优权重模型
基于 yolov5 网络头盔检测方法

[发明专利]一种基于YOLOv5的磕头机停抽检测方法-CN202210040538.X在审
发明人：任洁;张千;梁鸿;梁其耀;冯林霞;王子昊 -专利权人：中国石油大学（华东）
申请日： 2022-01-14 - 公布日： 2022-04-22 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于YOLOv5的磕头机停抽检测方法，包括：提取固定摄像头下拍摄的磕头机工作的视频流的图像信息，利用LabelImg对数据一构建磕头机目标检测的数据集，随机划分成训练集:测试集＝8:2；搭建基于PyTorch框架下的YOLOv5目标检测模型；在YOLOv5目标检测模型上进行训练并优化；提取固定摄像头拍摄的视频流的图像信息作为输入到已训练好的YOLOv5网络中进行磕头机识别得到磕头机检测数据
一种基于 yolov5 磕头抽检方法

[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-CN202310867976.8在审
发明人：王健康;闫冬梅;王正松 -专利权人：东北大学秦皇岛分校
申请日： 2023-07-17 - 公布日： 2023-10-24 - 主分类号： G06V20/54 文献下载
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Bottleneckbackbone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％。
基于 csa 注意力机制 c3_sac yolov5 网络交通多目标检测方法

[发明专利]一种基于YoloV3和双阈值模型压缩的目标检测方法-CN202010954287.7在审
发明人：张小龙;王鹤;陈彦桥;柴兴华;耿虎军;高峰 -专利权人：中国电子科技集团公司第五十四研究所
申请日： 2020-09-11 - 公布日： 2020-12-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于YoloV3和双阈值模型压缩的目标检测方法，属于模型压缩技术领域。其包括：构建目标检测数据集，并划分训练集和测试集；使用YoloV3模型在训练集上面进行训练，将训练好的模型保存为YoloV3_N；使用YoloV3_N对验证集进行测试，将验证结果标记为Result_N；使用YoloV3_N模型在训练集上进行稀疏训练，将训练好的模型保存为YoloV3_S；使用双阈值模型压缩方法对YoloV3_S进行模型压缩，将压缩好的模型保存为YoloV3_C；使用YoloV3_C模型对验证集进行测试，将测试结果标记为Result_C；使用YoloV3_C模型在目标检测数据集上进行微调，将最终的模型保存为YoloV3_F；使用YoloV3_F模型对验证集进行测试，将测试结果标记为Result_F。
一种基于 yolov3 阈值模型压缩目标检测方法

[发明专利]基于改进的YOLOv5模型的火焰检测方法-CN202210321847.4在审
发明人：曹彦彦;陈露萌;黄民;董伟杰;王义龙;徐杨梅 -专利权人：北京信息科技大学
申请日： 2022-03-29 - 公布日： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进的YOLOv5模型的火焰检测方法，包括：建立火焰数据集；以YOLOv5模型为基础模型，嵌入注意力机制单元、增加新增检测层、引入边界损失函数得到第一YOLOv5模型；对第一YOLOv5模型进行预训练得到第二YOLOv5模型；对第二YOLOv5模型进行优化，得到第三YOLOv5模型；将测试图像输入第三YOLOv5模型得到火焰检测结果。通过嵌入注意力机制单元，能够同时考虑通道间关系和空间信息，使得第一YOLOv5模型能够更准确地定位并识别目标区域；增加新增检测层用于检测小尺寸目标；引入边界损失函数对小数据集和噪声的鲁棒性更强，并且更适合轻量化模型
基于改进 yolov5 模型火焰检测方法

[发明专利]一种基于深度学习的手势跟踪与识别方法-CN202010452860.4在审
发明人：刘礼;张玉浩;廖军 -专利权人：重庆大学
申请日： 2020-05-26 - 公布日： 2020-09-25 - 主分类号： G06K9/00 文献下载
摘要：标记出手势彩色图像的手部区域框；对手势彩色图像进行分类；3)建立手势数据集；4)搭建Darknet‑53卷积神经网络模型；5)预训练；6)将训练后Darknet‑53卷积神经网络模型的网络参数迁移到目YOLOv3网络模型中；7)使用k‑means聚类算法对手势彩色图像的手部区域框进行聚类，得到k类手部区域框；8)得到训练后的YOLOv3网络模型；9)训练后的YOLOv3网络模型对实时视频图像进行识别，得到手部区域框和手势类别信息
一种基于深度学习手势跟踪识别方法

[发明专利]高空作业场景基于改进YOLOV4的小目标检测方法-CN202111385273.9在审
发明人：孟维;张进;李正大;王计斌 -专利权人：南京华苏科技有限公司
申请日： 2021-11-22 - 公布日： 2022-02-25 - 主分类号： G06V20/13 文献下载
摘要：本发明涉及一种高空作业场景基于改进YOLOV4的小目标检测方法，具体包括以下步骤：S1：采集图像数据集；S2：筛选掉所述数据集中无效的数据；S3：对小目标数据集进行数据样本增强；S4：基于所述步骤S2中标注数据的目标框，计算训练数据集样本的多个不同大小的预选框，作为预选锚框；S5：将Loss损失函数调整，生成YOLOV4‑loss模型；S6：得到YOLOV4‑loss‑Drop模型；S7：增强模型效果；S8：选择最优的训练模型权重文件
高空作业场景基于改进 yolov4 目标检测方法

[发明专利]基于深度学习的人体手势识别人机交互方法及系统-CN202310329077.2在审
发明人：陈遥;马晓辉;王科宇;陈来;李万海;项新建 -专利权人：浙江易时科技股份有限公司
申请日： 2023-03-30 - 公布日： 2023-07-21 - 主分类号： G06V40/20 文献下载
摘要：包括如下步骤：S1，手势数据采集；S2，数据的标注；S3，数据的预处理；S4，确定关节坐标；S5，模型训练：将数据集分成训练集、验证集和测试集；训练集用于训练改进后的YOLOv5s神经网络模型；验证集则用于调整所述YOLOv5s神经网络模型参数；测试集用于选出最优参数的YOLOv5s神经网络模型；S6，模型部署；S7，人体手势识别；S8，人机交互。
基于深度学习人体手势识别人机交互方法系统

[发明专利]一种基于视频监控的手扶电梯客流量统计方法-CN202010118923.2有效
发明人：杜启亮;黄理广;田联房 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2020-02-26 - 公布日： 2022-07-05 - 主分类号： G06T7/277 文献下载
摘要：本发明公开了一种基于视频监控的手扶电梯客流量统计方法，包括步骤：1)使用YOLOv3对手扶电梯俯拍的乘客进行人头检测；2)训练YOLOv3网络；3)判断当前帧号是否为关键帧，若是执行步骤4)‑9)，否则执行步骤10)，最后执行步骤11)、12)；4)用YOLOv3检测乘客人头；5)若t＝0，使用检测结果来初始化粒子滤波结果，否则执行粒子滤波；6)求矩阵D；7)对D对进行匈牙利匹配；8)剔除离开监控范围的目标；
一种基于视频监控手扶电梯客流量统计方法

[发明专利]一种基于改进Scaled-YOLOv4模型的织物瑕疵检测方法-CN202210663876.9在审
发明人：吕文涛;余序宜 -专利权人：浙江理工大学
申请日： 2022-06-13 - 公布日： 2022-08-09 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于改进Scaled‑YOLOv4模型的织物瑕疵检测方法，包括S1采集织物图像数据集；S2划分得到训练集、验证集、测试集；S3进行聚类，得到K个先验框；S4将N个不同尺度的有效特征图输入集成特征指导模块进行多尺度特征预处理，然后使用高效阶梯金字塔网络进行融合，得到N个不同尺度的融合特征图，最后通过动态尺度感知头进行通道调整以获得N个预测特征图；S5得到所有预测框；S6更新Scaled‑YOLOv4网络的参数；S7根据参数更新后的Scaled‑YOLOv4网络来对验证集的每张图像进行预测，统计后输出验证集中各个类别的AP值；S8重复步骤S7，直至多次步骤S7中所统计的各个类别的AP值的平均值等于某一固定值，得到训练完成的Scaled‑YOLOv4
一种基于改进 scaled yolov4 模型织物瑕疵检测方法

[发明专利]基于YOLOv5目标检测模型的安全帽佩戴检测方法-CN202111394627.6在审
发明人：赵志强;王耀中;黑新宏;何文娟;赵钦 -专利权人：西安理工大学
申请日： 2021-11-23 - 公布日： 2022-03-11 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了基于YOLOv5目标检测模型的安全帽佩戴检测方法，在初始YOLOv5目标检测模型的基础上利用YOLOv5的特征提取部分提取更大尺寸的特征图，在特征融合部分进行特征融合。采用中心损失作为正则化项对YOLOv5目标检测模型中的置信度损失和分类损失进行约束，从而使得改进后的YOLOv5目标检测模型能更为准确的检测出小目标的类别其中更大尺寸的特征图具有较小的感受野，因此更有利于YOLOv5目标检测模型检测出小目标。本发明所提出的改进后YOLOv5模型在施工场景下安全帽的检测任务中有着优异的表现，一些YOLOv5检测不到的小目标被改进后YOLOv5所检测到。
基于 yolov5 目标检测模型安全帽佩戴方法