公开(公告)号：CN118196488A

公开(公告)日：2024-06-14

申请号：CN202410287954.9

申请日：2024-03-14

Applicant: 桂林理工大学

Inventor： 彭帆 ,  王玫 ,  王柄竣

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/25 ,  G06V20/17 ,  G06N3/08

Abstract: 本发明的目的是针对目前森林火焰检测算法平均精度低、速度慢、漏检率高的问题，在原有的YOLOv5基础上做出改进，提出一种基于改进YOLOv5的森林火焰检测方法。首先是骨干网络的改进，将YOLOv7使用的SPPCSPC模块替换掉原YOLOv5中骨干网络的金字塔池化块(SPP)，接着设计一种由SPConv、C3相结合的SPC3模块，并将SPC3模块同时替换掉主干网络中第2层、4层、6层、9层的C3模块；其次是输出端损失函数的改进，引入了具有更多惩罚项的EIoU损失函数来替换原始YOLOv5的CIoU损失函数，EIoU损失函数不仅提升了模型的检测精度，还加快了模型的收敛速度。实验结果表明，本发明所提出的YOLOv5‑improve相比于原始的YOLOv5在森林火焰检测上精确度、平精度和召回率都得到显著提升。

公开(公告)号：CN118196703A

公开(公告)日：2024-06-14

申请号：CN202410287956.8

申请日：2024-03-14

Applicant: 桂林理工大学

Inventor： 彭帆 ,  王玫 ,  王柄竣

IPC: G06V20/52 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774

Abstract: 本发明的目的是针对目前人像跟踪算法跟踪准确度、跟踪精确度低、身份切换次数多的问题，在原有的YOLOv5网络结构基础上做出改进，提出一种基于改进StrongSort‑YOLOv5的人像跟踪方法。首先在YOLOv5主干网络与颈部网络之间和颈部网络中添加了CBAM注意力模块；其次是输出端损失函数的改进，引入了考虑真实框与预测框之间矢量角的SIoU使模型能够在训练过程中更轻松、更快速地接近真实帧，从而提高模型在目标定位上的精度。这一优化措施在人像数据集的实验结果上也得到了充分验证，改进算法相较于先前的版本实现了最优的整体效果，跟踪准确度从改进前的54.50%上升至57.43%，提升了2.97%；跟踪精确度从改进前的81.15%上升至82.52%，同时有效减少了因目标遮挡导致的身份切换次数。