“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]一种用于缺陷检测的yolov5优化方法及优化系统-CN202310267078.9在审
发明人：朱光旭;方超群;陈秀睿;邱柏葳;李苏畅;田博轩;田楷;陈立名;胡江洪;曹彬 -专利权人：菲特（天津）检测技术有限公司
申请日： 2023-03-20 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于缺陷检测的yolov5优化方法及优化系统，属于缺陷检测技术领域，包括：S1、数据预处理：首先获取图片集，然后对图片集中的图像进行标注，最后将图片集划分出训练集和测试集；S2、yolov5优化：具体为：S201、利用yolov5对训练集和测试集进行训练得到IOU值；S202、优化yolov5，得到Abs‑Loss‑yolov5；S203、分别使用yolov5和Abs‑Loss‑yolov5本发明通过对于传统yolov5损失函数进行优化，使yolov5对于有把握的检出框能够正确地得到高置信度检出。
一种用于缺陷检测 yolov5 优化方法系统

[发明专利]一种基于改进YOLOv4的苗期水稻田边界目标识别方法-CN202110700764.1在审
发明人：张智刚;陈亚宜;张闻宇;何荣汝;李洪开;卢跃腾;张帆;丁凡;王奔;王明昌;张天 -专利权人：华南农业大学
申请日： 2021-06-23 - 公布日： 2021-09-10 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于改进YOLOv4的苗期水稻田边界目标识别方法，包括以下步骤：(1)获取自动导航拖拉机在稻田工作的环境图像，得出数据集；(2)对YOLOv4网络模型的锚框参数值进行修改，选择精度最高的聚类结果作为YOLOv4网络的锚框参数值；(3)基于YOLOv4算法构建改进的YOLOv4结构，得到改进YOLOv4模型；(4)对改进YOLOv4模型进行训练，得到最优的改进YOLOv4模型；(5)将自动导航拖拉机在工作过程中获取的实时视频，解码转为实时图像，输入步骤(4)中所述的最优的改进YOLOv4模型，最优的改进YOLOv4模型输出目标识别结果。
一种基于改进 yolov4 苗期水稻田边界目标识别方法

[发明专利]一种改进损失函数的YOLOv4目标检测算法-CN202210007089.9在审
发明人：王立哲;王兰美;王桂宝;廖桂生;贾建科;孙长征 -专利权人：西安电子科技大学;陕西理工大学
申请日： 2022-01-05 - 公布日： 2022-05-10 - 主分类号： G06V20/58 文献下载
摘要：本发明提出了一种改进损失函数的YOLOv4目标检测算法，对标准YOLOv4模型中位置回归损失函数CIoU_Loss进行改进，提出了新型损失函数SCIoU，将其嵌入YOLOv4中，获得了性能提升；首先下载当前目标检测领域通用数据集tt100k与LISA，并进行数据增强；其次使用标准YOLOv4网络对两个增强后的通用数据集进行训练并检测其性能；然后针对标准YOLOv4模型中位置回归损失函数CIoU_Loss，提出一种改进损失函数SCIoU，并将其嵌入YOLOv4模型进行训练；最后对比标准YOLOv4算法，分析测试结果；本发明提出基于SCIoU改进的YOLOv4算法，包含改进长宽比度量指标vs，并以Sigmoid函数代替arctan函数；将其嵌入YOLOv4中，获得了性能提升，该模型没有引入更多计算量，实时性不受影响，本发明改进的YOLOv4算法鲁棒性较好，可用于多个数据集的性能提升。
一种改进损失函数 yolov4 目标检测算法

[发明专利]一种基于深度学习视觉检测的非烟物质检测方法-CN202111249845.0在审
发明人：王潇;江沉;包可翔;罗小华;卢幼祥;程道胜;岳博文;石超;彭云发;何利波;薛辰 -专利权人：上海创和亿电子科技发展有限公司
申请日： 2021-10-26 - 公布日： 2023-04-07 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于深度学习视觉检测的非烟物质检测方法，该方法提取生产线的图像进行标注；将标注图像划分训练集、验证集和测试集；基于Tensorflow深度学习框架，搭建YOLOV4、YOLOV3目标检测模型，使用训练集和验证集训练模型，分别保存最优的三个YOLOV3模型和YOLOV4模型；利用测试集，通过Map指标测评出最好的YOLOV3和YOLOV4模型，保存为序列化文件；使用该序列化文件利用Tensorrt推理框架重构、加速模型；将待预测图像传入YOLOV4和YOLOV3模型，将两模型的输出结果加权平均获得最终预测结果；将最终预测结果绘制到预测图像上。
一种基于深度学习视觉检测物质方法

[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]一种基于改进YOLOv5的绝缘子故障检测方法-CN202211737430.2在审
发明人：陈爱华;张传琦;彭阳阳;胥宗朋;郑金洪 -专利权人：福州大学
申请日： 2022-12-31 - 公布日： 2023-05-23 - 主分类号： G01R31/12 文献下载
摘要：本发明涉及一种基于改进YOLOv5的绝缘子故障检测方法，包括以下步骤：步骤1：对绝缘子数据集进行预处理，并按设定比例划分为训练集、验证集和测试集；步骤2：结合MobileOne、BoTNet和YOLOv5构建MB‑YOLOv5模型；步骤3：将训练集、验证集输入MB‑YOLOv5模型，进行模型训练；步骤4：对训练好的MB‑YOLOv5模型进行结构重参数化；步骤5：将测试集输入结构重参数化后的MB‑YOLOv5模型，测试模型性能；步骤6：利用最终得到的MB‑YOLOv5模型进行绝缘子故障检测。
一种基于改进 yolov5 绝缘子故障检测方法

[发明专利]一种基于卷积神经网络的飞机结构裂纹检测方法-CN202310329782.2在审
发明人：王叶子;吕帅帅;杨宇;李嘉欣;杨海龙 -专利权人：中国飞机强度研究所
申请日： 2023-03-30 - 公布日： 2023-06-09 - 主分类号： G06T7/00 文献下载
摘要：步骤一、构建裂纹图像数据集；步骤二、通过所述裂纹图像数据集对YOLOv5网络进行训练，得到YOLOv5模型；步骤三、构建差异图数据集；步骤四、获取改进型YOLOv5网络，通过所述差异图数据集对所述改进型YOLOv5网络进行训练，得到改进型YOLOv5模型；步骤五、根据所述YOLOv5模型以及所述改进型YOLOv5模型，对待检测图像进行整体测试。
一种基于卷积神经网络飞机结构裂纹检测方法

[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]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]一种基于YOLOv5l和注意力机制的实时表情识别方法-CN202211198186.7在审
发明人：韩婷婷;钟红梅 -专利权人：天津师范大学
申请日： 2022-09-29 - 公布日： 2022-12-20 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于YOLOv5l和注意力机制的实时表情识别方法，所述方法包括：获取训练图像和验证图像；使用所述训练图像对原始YOLOv5l模型进行预训练，得到原始YOLOv5l模型的预训练权重；将注意力机制加入到原始YOLOv5l模型的主干网结构中，得到改进YOLOv5l模型；使用所述训练图像和预训练权重对于所述改进YOLOv5l模型进行重新训练，得到所述改进YOLOv5l模型的新训练权重；利用具有新训练权重的改进YOLOv5l模型对于目标对象的表情进行检测。
一种基于 yolov5l 注意力机制实时表情识别方法

[发明专利]基于改进yolov5的红绿灯检测方法、系统、设备及介质-CN202310451669.1在审
发明人：李康顺;李婷婷;李丹丹;郑俊锋;张昱 -专利权人：东莞城市学院
申请日： 2023-04-25 - 公布日： 2023-08-22 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于改进yolov5的红绿灯检测方法、系统、设备及介质，方法包括：获取红绿灯图片数据并进行预处理，构建红绿灯图片检测数据集；构建改进的yolov5模型训练所述红绿灯图片检测数据集，得到训练好的改进的yolov5模型；所述改进的yolov5模型是用Inception‑ResNet v2网络替换掉原始yolov5的骨干网络；所述改进后yolov5模型骨干网络包括Stem模块、Inception‑resnet‑A模块、Reduction‑A模块、Inception‑resnet‑B模块、Reduction‑B模块以及进入Inception‑resnet‑C模块；将待检测的红绿灯图片输入至所述训练好的改进的yolov5本发明基于改进的yolov5模型对红绿灯图像具有识别错误率更低、更加高效的优点。
基于改进 yolov5 红绿灯检测方法系统设备介质

[发明专利]基于改进YOLOv7的鸟类识别方法、系统及介质-CN202211564267.4在审
发明人：刘勇;郑永康;樊梨;常政威;罗小春;郭利瑞;王超;卢金奎;陈俊;姜振超;刘经度;汤杨;抗州甲;陈磊;何雅洁;罗俊;杨凯;严旭荣;申伦先;王骑军;刘旭峰;韩睿 -专利权人：国网四川省电力公司阿坝供电公司;国网四川省电力公司电力科学研究院
申请日： 2022-12-07 - 公布日： 2023-05-02 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了基于改进YOLOv7的鸟类识别方法、系统及介质，获取第一图像集，第一图像集为鸟类飞行中的历史图像或被遮挡一部分的历史图像；对第一图像集进行运动模糊数据增强，获得第二图像集；构建YOLOv7模型，并向YOLOv7模型中添加无参数注意力机制，获得改进YOLOv7模型；通过所述第二图像集对YOLOv7模型进行训练，获得最优改进YOLOv7模型；通过最优改进YOLOv7模型对新获取的鸟类图像进行识别，获得鸟的种类；本发明的有益效果为通过数据增强方法对相关图像进行处理，并采用改进的YOLOv7模型对处理后的图像进行深度学习，能够减小对鸟类识别的误差，提高对鸟类识别的准确度以及精确度。
基于改进 yolov7 鸟类识别方法系统介质

[发明专利]基于改进YOLOv5模型的输电线路销钉状态识别方法-CN202310716333.3在审
发明人：俸波;夏小飞;徐文平;张炜;黎大健;卢胜标;陈绍南 -专利权人：广西电网有限责任公司电力科学研究院
申请日： 2023-06-16 - 公布日： 2023-09-19 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于改进YOLOv5模型的输电线路销钉状态识别方法，包括以下步骤：S1、获取销钉图像，所述销钉图像包括训练图像和测试图像；使用数据增强手段对所述训练图像进行数据增强，得到增强训练图像；S2、构建YOLOv5网络，对所述YOLOv5网络进行结构改进，得到改进YOLOv5模型；S3、基于所述增强训练图像，训练所述改进YOLOv5模型，得到训练好的改进YOLOv5模型；S4、将所述测试图像作为训练好的改进YOLOv5模型的输入，得到销钉状态的识别结果。本发明通过对YOLOv5模型进行优化，提高了模型的精度和检测速度，通过该方法，可以快速准确地检测出输电线路中的销钉故障。
基于改进 yolov5 模型输电线路销钉状态识别方法

[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