公开(公告)号：CN117237808A

公开(公告)日：2023-12-15

申请号：CN202311271767.3

申请日：2023-09-27

Applicant: 杭州电子科技大学

Inventor： 刘晴 ,  汪旭升 ,  吴伟 ,  姚英彪

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了基于ODC‑YOLO网络的遥感图像目标检测方法及系统，方法如下：S1、获取遥感数据集；S2、对数据集中的图像进行切割处理，将图像划分为训练集、验证集和测试集；S3、设置输入图像的尺寸、训练次数和检测对象的类别参数；S4、在动态卷积中融入了三个维度的注意机制，构成一个多维度的动态卷积，同时利用残差网络Res2Net与C3模块融合构成新的C3‑Res2Net模块，将该模块与多维动态卷积网络结合，得到OD‑Res2Net主干网络；构建一个具有多尺度的感受野增强模块；设计上采样算子进行采样操作；S5、将图像添加至ODC‑YOLO网络模型中，运用训练集和验证集标记好的图片进行训练，训练过程中，将测试集内划分好的图片进行测试，获得每一个阶段训练的效果。

公开(公告)号：CN115797970B

公开(公告)日：2023-08-18

申请号：CN202211511629.3

申请日：2022-11-29

Applicant: 杭州电子科技大学

Inventor： 刘晴 ,  汪旭升 ,  杨阿锋 ,  刘兆霆 ,  姚英彪 ,  徐欣

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06T3/40 ,  G06T7/10

Abstract: 本发明属于目标检测技术领域，具体涉及基于YOLOv5模型的密集行人目标检测方法及系统。方法如下：S1，对行人数据进行采集形成数据集，并对数据集进行数据预处理；S2，根据硬件设备的参数以及需要达到的识别效果，配置YOLOv5模型参数；S3，对原YOLOv5模型进行修改，获得修改后的YOLOv5模型；S4，将预处理后的数据集分成训练集，验证集和测试集；使用训练集和验证集对修改后的YOLOv5模型进行训练；S5，训练结束后的YOLOv5模型生成权重文件，导入训练好的权重与待检测的图片，得到检测后的图片，比较识别效果和检测精度是否达到预期要求。本发明具有能增加检测速度，保持检测精度，提升模型泛化力且能解决因密集行人造成的错检漏检问题的特点。

公开(公告)号：CN115797970A

公开(公告)日：2023-03-14

申请号：CN202211511629.3

申请日：2022-11-29

Applicant: 杭州电子科技大学

Inventor： 刘晴 ,  汪旭升 ,  杨阿锋 ,  刘兆霆 ,  姚英彪 ,  徐欣

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06T3/40 ,  G06T7/10

Abstract: 本发明属于目标检测技术领域，具体涉及基于YOLOv5模型的密集行人目标检测方法及系统。方法如下：S1，对行人数据进行采集形成数据集，并对数据集进行数据预处理；S2，根据硬件设备的参数以及需要达到的识别效果，配置YOLOv5模型参数；S3，对原YOLOv5模型进行修改，获得修改后的YOLOv5模型；S4，将预处理后的数据集分成训练集，验证集和测试集；使用训练集和验证集对修改后的YOLOv5模型进行训练；S5，训练结束后的YOLOv5模型生成权重文件，导入训练好的权重与待检测的图片，得到检测后的图片，比较识别效果和检测精度是否达到预期要求。本发明具有能增加检测速度，保持检测精度，提升模型泛化力且能解决因密集行人造成的错检漏检问题的特点。