一种基于改进YOLOv5的目标识别检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114627502A(43)申请公布日2022.06.14(21)申请号202210240265.3G06K9/62(2022.01)(22)申请日2022.03.10G06V10/762(2022.01)G06V10/80(2022.01)(71)申请人安徽农业大学G06V10/82(2022.01)地址230061安徽省合肥市长江西路130号安徽农业大学(72)发明人李广博查文文焦俊陈成鹏辜丽川时国龙马慧敏陶亮彭硕(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223专利代理师姬莉(51)Int.Cl.G06V40/10(2022.01)G06T3/40(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图8页(54)发明名称一种基于改进YOLOv5的目标识别检测方法(57)摘要本发明提供了一种基于改进YOLOv5的目标识别检测方法，属于目标检测领域，包括：采集目标图像样本数据，构建样本数据集；对样本数据集进行扩容处理，得到待识别数据集；对目标检测算法YOLOv5进行改进，获得改进的目标检测算法YOLOv5，具体包括：优化目标锚框、添加协调注意力机制CA及特征融合BiFP；利用改进的目标检测算法YOLOv5对待识别数据集中的图像信息进行识别，获得识别结果。该方法采用改进的目标检测算法YOLOv5不仅提升了一般情况下的生猪个体识别准确率，还改善了在生猪密集以及远距离小目标情境下的检测性能。CN114627502ACN114627502A权利要求书1/2页1.一种基于改进YOLOv5的目标识别检测方法，其特征在于，包括以下步骤：采集目标图像样本数据，构建样本数据集；对样本数据集进行扩容处理，得到待识别数据集；对目标检测算法YOLOv5进行改进，获得改进的目标检测算法YOLOv5，具体包括：将K均值维度聚类算法K‑Means的欧氏距离改为1‑IOU，采用K‑Means算法确定先验锚框，优化目标检测算法YOLOv5的目标锚框；在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA；采用BiFPN改进目标检测算法YOLOv5的双向跨尺度连接，并进行加权特征融合，获得改进后的目标检测算法YOLOv5；利用改进的目标检测算法YOLOv5对待识别数据集中的图像信息进行识别，获得识别结果。2.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述采集目标图像样本数据具体包括：通过远程控制系统操控摄像头进行旋转，实现分时采集，获得包含不同特征的图像样本数据。3.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述样本数据集进行扩容处理，包括以下步骤：对样本数据集进行随机裁剪、随机偏移、Mosaic数据增强，并使用图片标注工具labelImg手动对图像标框并赋标签名后保存，保存的XML文件包含了目标图像的目标框坐标与类别信息；将目标标签后的数据集划分为训练集与测试集样本；所述Mosaic数据增强即把训练集中的多张实验图片图像拼凑成一张，用于对改进后的目标检测算法YOLOv5进行训练。4.根据权利要求3所述的基于改进YOLOv5的目标识别检测方法，其特征在于，在对样本数据集进行扩容处理前，对样本数据集进行筛选和整合。5.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA时，对全局池化的方式进行分解，转化为两个一维特征编码，具体包括：首先给定输入图像X，使用尺寸为(H,1)以及(1,W)的平均池化分别沿着水平坐标和垂直坐标对每个通道进行编码，H为坐标高度，W为坐标宽度；高度为h和宽度为w的第c通道的输出分别表示为下式：式中i和w分别为宽度和高度的变化量，上述2种变换分别沿两个空间方向聚合特征，得到一对方向感知的特征图；通过信息嵌入中的变换后，将输出的高度zh,和宽度zw进行拼接操作，并通过1×1卷积F1运算，生成空间信息在垂直和水平方向的特征映射图，公式表示如下：2CN114627502A权利要求书2/2页hwf＝δ(F1([z,z]))hw然后将f沿着空间信息分解为张量f和张量f；其中，δ是系数，对Fh和Fw进行1×1卷积变换分别将fh和fw变换为具有相同通道数的张量，公式表示如下：上式中是sigmoid激活函数，同时通过合适的缩减比r降低f的通道数，最后再将gh和gw进行扩展操作，分别作为注意力权重，以下式作为输出：6.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述采用BiFPN改进目标检测算法YOLOv5的双向跨尺度连接，并进行加权特征融合，具体包括：删除不相邻的两个融合特