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：CN118230354A

公开(公告)日：2024-06-21

申请号：CN202410262921.9

申请日：2024-03-08

Applicant: 桂林理工大学

Inventor： 王柄竣 ,  王玫 ,  林艳

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464

Abstract: 本发明提出一种基于改进YOLOv5的复杂场景下手语识别方法，首先对主干网络进行改进，先引入改进的快速金字塔池化（SimSPPF）替换掉原YOLOv5中的骨干网络末端的金字塔池化块(SPPF)并同时作用在网络的第5层。为了模型更好地捕捉特征之间的关联性，强化模型对重要信息的提取，接着引入二阶注意力机制（SOCA）并作用在第8层；最后为了进一步细节化模型宽高比的计算方法，引入了具有更多惩罚项的Focal‑EIoU损失函数来替换原始YOLOv5的CIoU损失函数，解决了模型面对宽高比例相同但宽高值不同的问题，提高了整个模型的检测精度。实验结果表明，相对于原始的YOLOv5s模型，本发明提出的改进YOLOv5‑WBJ模型在手语检测上的准确率、召回率、平均精度都有了显著的提升，这些改进让聋哑人的交流更加方便。

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。

公开(公告)号：CN118135438A

公开(公告)日：2024-06-04

申请号：CN202410262897.9

申请日：2024-03-07

Applicant: 桂林理工大学

Inventor： 王柄竣 ,  王玫 ,  林艳

IPC: G06V20/17 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明的目的是针对目前航拍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的航拍检测方法。首先是骨干网络的改进，设计一种由SPConv、CA注意力、C3相结合的SCC3模块，并将SCC3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；其次是颈部网络的改进，在颈部网络的最后一层C3后面接上一层CA坐标注意力；最后是损失函数的改进，本发明采用了Alpha损失函数，用以替代原始YOLOv5中的CIoU损失函数。Alpha损失函数可以加速网络模型的收敛，提高了航拍检测模型的回归准确性，有效提升航拍目标检测算法性能。实验结果表明，本发明所提出的YOLOv5‑our相比于原始的YOLOv5在航拍检测上平均精度得到显著提升。