“yolov4”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6363080个，建议您升级VIP下载更多相关专利

[发明专利]一种基于改进的YOLOv4-tiny和YOLOv4绝缘子缺陷检测方法-CN202210549608.4在审
发明人：赵立权;阚中锋;张楠;张圆圆;辛鹏;李鹏;李忠岩;马千里;于同泽;傅代印;石海洋;石博文;李春艳;王光;王佳琳;杨平健;李天玉 -专利权人：东北电力大学;国网吉林省电力有限公司吉林供电公司
申请日： 2022-05-20 - 公布日： 2022-08-12 - 主分类号： G06T7/00 文献下载
摘要：一种基于改进的YOLOv4‑tiny和YOLOv4的绝缘子缺陷检测方法，其特点是：步骤1，收集含有绝缘子的图像数据；步骤2，扩充缺陷绝缘子图像数量；步骤3，标注绝缘子串和缺陷绝缘子；步骤4，改进YOLOv4‑tiny模型目标检测框选取方法；步骤5，利用改进的YOLOv4‑tiny模型对绝缘子串整体目标进行检测；步骤6，裁剪已检测到的绝缘子串图像；步骤7，改进YOLOv4模型主干网络；步骤8，改进YOLOv4特征融合网络；步骤9，基于改进的YOLOv4绝缘子缺陷检测；步骤10，基于改进的YOLOv4‑tiny和YOLOv4的绝缘子缺陷检测模型训练；步骤11，绝缘子缺陷检测模型在线应用。
一种基于改进 yolov4 tiny 绝缘子缺陷检测方法

[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FPGA的YOLOV4目标检测网络实现方法-CN202210983908.3有效
发明人：褚俊波;李非桃;冉欢欢;李和伦;陈益;王丹;陈春;李毅捷;赵瑞欣;莫桥波;王逸凡;李东晨 -专利权人：四川迪晟新达类脑智能技术有限公司
申请日： 2022-08-17 - 公布日： 2022-10-28 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于FPGA的YOLOV4目标检测网络实现方法，包括对YOLOV4目标检测网络进行训练；YOLOV4目标检测网络训练完成后，在FPGA上搭建YOLOV4目标检测模型；进行预设目标的识别。其中搭建YOLOV4目标检测模型包括如下子步骤：分解YOLOV4网络结构层中的计算单元；在FPGA上构建Mish函数计算单元；在FPGA上构建Leaky Relu函数计算单元；在FPGA上构建BN批归一化计算单元本发明利用FPGA硬件资源和逻辑实现便捷性，YOLOV4目标检测模型在算力得到保证的前提下实现了准确度和效率的提高。
一种基于 fpga yolov4 目标检测网络实现方法

[发明专利]基于FPGA的YOLOv4卷积神经网络轻量化方法-CN202211720453.2在审
发明人：程帅琪;张君宇 -专利权人：合肥中科智存科技有限公司
申请日： 2022-12-30 - 公布日： 2023-04-18 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了基于FPGA的YOLOv4卷积神经网络轻量化方法，涉及YOLOv4卷积神经网络的技术领域，针对当前YOLOv4卷积神经网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数低的问题，提出一种轻量化的YOLOv4卷积神经网络，其中，对YOLOv4卷积神经网络的主干网络即CSPdarknet53网络中残差块的个数以及堆叠次数进行削减，保留了主干网络中的CSPNet结构以及残差结构；在YOLOv4卷积神经网络的主干网络中，选择H‑swish函数作为激活函数；在YOLOv4卷积神经网络的空间金字塔池化层中使用SPPF结构；利用加法二次幂量化即APoT量化，对YOLOv4卷积神经网络进行量化。
基于 fpga yolov4 卷积神经网络量化方法

[发明专利]一种三尺度特征的YOLOv4-tiny目标检测算法-CN202210006547.7在审
发明人：王兰美;王立哲;王桂宝;廖桂生;王新宽;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： 2023-04-07 - 主分类号： G06V20/58 文献下载
摘要：本发明提出了一种三尺度特征的YOLOv4‑tiny目标检测算法，解决原YOLOv4‑tiny在小目标检测上精度不高及重叠情况下漏检的问题；首先下载当前目标检测领域通用数据集tt100k数据集与LISA数据集，并进行数据增强；其次使用标准YOLOv4‑tiny网络对两个数据增强后的通用数据集进行训练，检测其性能；然后针对标准YOLOv4‑tiny模型中仅输出两个尺寸特征图造成小目标漏检的问题，提出一种三尺度特征的YOLOv4‑tiny目标检测算法，并对改进算法模型进行训练；最后对比标准YOLOv4‑tiny模型，分析测试结果；本发明提出的基于三尺度特征图的改进YOLOv4‑tiny算法，提出了改进结构，加入了第三尺度特征图；改进后的YOLOv4‑tiny算法对小目标检测与重叠情况下目标的检测精度均有提高，且本发明改进后的YOLOv4算法鲁棒性较好，可用于多个数据集的性能提升。
一种尺度特征 yolov4 tiny 目标检测算法

[发明专利]一种基于改进YOLOv4网络的目标检测方法-CN202211487874.5在审
发明人：张鑫;虞继敏;吴涛;张伟;王慧 -专利权人：重庆邮电大学
申请日： 2022-11-25 - 公布日： 2023-03-03 - 主分类号： G06V10/40 文献下载
摘要：本发明属于计算机视觉和数字处理领域，具体涉及一种基于改进YOLOv4网络的目标检测方法；包括基于现有YOLOv4网络构建改进YOLOv4网络，改进YOLOv4网络包括改进骨干网络、颈部网络和头部网络；改进骨干网络中加入了ECANet通道注意力模块；获取图像数据集训练改进YOLOv4网络，采用新边框回归损失函数、融合置信度损失函数和分类损失函数进行迭代训练，调整网络参数；将训练好的改进YOLOv4网络用于目标检测，得到目标检测结果
一种基于改进 yolov4 网络目标检测方法

[发明专利]一种轻量化三尺度YOLOv4人脸口罩检测方法-CN202210007095.4在审
发明人：王兰美;李静玲;王翔宇;王桂宝;廖桂生;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： 2023-04-07 - 主分类号： G06V40/16 文献下载
摘要：本发明提出了一种轻量化三尺度YOLOv4人脸口罩检测方法，标准YOLOv4‑Tiny有两个检测层，分别用于检测大目标和中目标，本发明所用人脸口罩数据集中有许多小目标，此类目标所占原图的面积小；为了加强网络对本发明所用数据集的适配性，也为了使网络在小目标上有更高的检测精度，本发明将YOLOv4‑Tiny网络进行改进，在网络的检测阶段增加一层检测层，改进后的网络有三个检测层分别适用于大、中、小三种目标的检测；新设计的SPP模块嵌入至YOLOv4‑Tiny骨架网络后面，FPN结构前面来增强网络深层的语义信息和增大实际有效感受野，改进后的网络结构称为SPP‑YOLOv4‑light‑3YOLO；对改进算法模型进行训练对比标准YOLOv4‑Tiny模型，分析测试结果；改进后的SPP‑YOLOv4‑light‑3YOLO算法提高了小目标检测精度，且本发明改进后的YOLOv4算法鲁棒性较好。
一种量化尺度 yolov4 口罩检测方法

[发明专利]一种基于YOLOv4-Tiny的矿井电机车路况实时检测方法-CN202210118307.6在审
发明人：郭永存;杨豚;王爽;童佳乐;王文善;马鑫 -专利权人：安徽理工大学
申请日： 2022-02-08 - 公布日： 2022-05-24 - 主分类号： G06V20/56 文献下载
摘要：本发明公开一种基于YOLOv4‑Tiny的矿井电机车路况实时检测方法，包括：采集煤矿井下巷道有轨电机车运行路况图像，对图像中包含的不同检测目标进行标注，创建矿井电机车图像数据集；对传统YOLOv4‑Tiny网络结构进行改进，得到改进型YOLOv4‑Tiny网络；基于所述矿井电机车图像数据集，优化网络训练参数，多次训练所述改进型YOLOv4‑Tiny网络，最终得到最优改进型YOLOv4‑Tiny网络模型；验证所述最优改进型YOLOv4‑Tiny网络模型的检测性能。本发明通过对YOLOv4‑Tiny算法进行改进，在不影响检测速度的条件下提高了算法的检测精度，增强了算法在复杂环境条件下对多种目标的检测能力，实现了矿井电机车在复杂煤矿巷道路况条件下对多种目标的精准实时检测
一种基于 yolov4 tiny 矿井机车路况实时检测方法

[发明专利]基于改进YOLOv4算法的痤疮识别方法-CN202211367452.4在审
发明人：马淑龙;黄洋;董磊 -专利权人：山东浪潮超高清智能科技有限公司
申请日： 2022-11-03 - 公布日： 2023-01-24 - 主分类号： G06V10/764 文献下载
摘要：本发明特别涉及一种基于改进YOLOv4算法的痤疮识别方法。该基于改进YOLOv4算法的痤疮识别方法，自定义将数据集进行划分成训练集和测试集，使用的数据增强方法丰富训练集数据，增强训练模型的鲁棒性；使用K‑means聚类方法对增强的训练集数据进行处理，得到适合痤疮检测的锚点anchors尺寸；利用增强的训练集对YOLOv4算法模型进行迭代训练，利用训练后的YOLOv4算法模型对测试集中进行测试。该基于改进YOLOv4算法的痤疮识别方法，通过改进YOLOv4算法模型，使其能更好契合对于小目标的检测与识别，并依据痤疮的严重程度对其分类，进而为用户提供参考。
基于改进 yolov4 算法痤疮识别方法

[发明专利]一种基于改进YOLOv4-tiny的轻量型目标检测方法及系统-CN202111526435.6有效
发明人：黄海松;韩正功;范青松;陈星燃;马驰;李玢;黄东;宋常亮;张元;赵昆龙;武晓南;石云陆;刘琴;刘小玲 -专利权人：贵州大学
申请日： 2021-12-14 - 公布日： 2022-09-23 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于改进YOLOv4‑tiny的轻量型目标检测方法和系统，一种基于改进YOLOv4‑tiny的轻量型目标检测方法包括获取口罩图像数据；制作口罩数据集；搭建改进的YOLOv4‑tiny目标检测模型；训练改进的YOLOv4‑tiny目标检测模型；对改进的YOLOv4‑tiny目标检测模型进行评估；进行测试，一种基于改进YOLOv4‑tiny的轻量型目标检测系统包括监控设备、计算设备、控制设备、报警设备
一种基于改进 yolov4 tiny 轻量型目标检测方法系统

[发明专利]一种基于改进YOLOv4的风机叶片缺陷检测方法-CN202211719904.0在审
发明人：陈玉;陈文祥;毛明锋;祝国强;张敏;奚学磊;熊纬绮;王双 -专利权人：西安交通大学
申请日： 2022-12-30 - 公布日： 2023-06-23 - 主分类号： G06V10/20 文献下载
摘要：本发明公开了一种基于改进Cascade R‑CNN风机叶片缺陷检测方法：步骤1：拍摄风机发电机的叶片部分，作为原始的数据集；步骤2：对原始的数据集进行以下数据增强得到数据集；步骤3：设计YOLOv4目标检测网络模型的主干网络Tiny‑GhostNet，并采用Tiny‑GhostNet代替Cascade R‑CNN网络中的CSPDarknet53主干网络，得到YOLOv4目标检测网络模型；步骤4：对步骤3构建的YOLOv4目标检测网络模型设计通道注意力模块，并确定剪枝阈值；步骤5：替换YOLOv4网络中的原始锚框；步骤6：对YOLOv4网络模型进行训练，前半部分采用冻结训练，即先不训练主干网络Tiny‑GhostNet，仅对YOLOv4网络模型其他部分进行训练；后半部分采用解冻训练，即对整个YOLOv4网络模型进行训练；步骤7：对收集到的风机叶片图片进行检测，获得缺陷检测结果。
一种基于改进 yolov4 风机叶片缺陷检测方法

[发明专利]基于YOLOv4-tiny的插板阀开度检测方法-CN202011502843.3有效
发明人：李明;鹿朋;朱美强;梁健;王军 -专利权人：中国矿业大学
申请日： 2020-12-17 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种检测方法，尤其是一种基于YOLOv4‑tiny的插板阀开度检测方法。基于YOLOv4‑tiny的配置文件，能构建YOLOv4‑tiny基本检测模型，经过训练后，能最终得到YOLOv4‑tiny目标检测模型，利用YOLOv4‑tiny目标检测模型能对插板阀进行开度检测，具有鲁棒性高
基于 yolov4 tiny 插板阀开度检测方法

[发明专利]一种大尺度特征的YOLOv4-tiny目标检测算法-CN202210006548.1在审
发明人：王兰美;王立哲;王桂宝;廖桂生;王文洋;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： 2022-04-29 - 主分类号： G06V20/58 文献下载
摘要：本发明提出了一种大尺度特征的YOLOv4‑tiny目标检测算法，解决原YOLOv4‑tiny在小目标检测上精度不高及重叠情况下漏检的问题；首先下载当前目标检测领域通用数据集tt100k数据集与LISA数据集，并进行数据增强；其次使用标准YOLOv4‑tiny网络对两个数据增强后的通用数据集进行训练，检测其性能；然后针对原始YOLOv4‑tiny模型对小目标进行检测时精度不高且易漏检的问题，提出一种大尺度特征的YOLOv4‑tiny目标检测算法，并对改进算法模型进行训练；最后对比标准YOLOv4‑tiny模型，分析测试结果；本发明在不改变YOLOv4‑tiny模型输出特征图数量、保持模型实时性的情况下，通过改变输出特征图大小
一种尺度特征 yolov4 tiny 目标检测算法

[发明专利]一种改进的非极大值抑制YOLOv4交通标志识别定位方法-CN202210007083.1在审
发明人：王立哲;王兰美;周琨;王桂宝;廖桂生;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： 2022-04-29 - 主分类号： G06V20/58 文献下载
摘要：本发明提出了一种改进的非极大值抑制YOLOv4交通标志识别定位方法，解决标准YOLOv4算法非极大值抑制(NMS)人为设定阈值和遇到被检测物体在同一区域内高度重叠时无法区分的问题；首先下载通用数据集tt100k数据集与LISA数据集，并进行数据增强；其次使用标准YOLOv4网络对两个增强后的数据集进行训练，检测其性能；然后针对现有标准YOLOv4算法中NMS的缺点提出改进版NMS算法，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；本发明提出的基于NMS改进的YOLOv4算法，引入分数重置的思想，综合考虑重叠度与置信度得分后，得到了合适的函数作为NMS改进的核心；改进后的NMS算法更适合于检测区域中有多个检测目标重叠的情况
一种改进极大值抑制 yolov4 交通标志识别定位方法

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