基于改进YOLOX的实时路况目标检测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114155499A(43)申请公布日2022.03.08(21)申请号202111401886.7G06N3/04(2006.01)(22)申请日2021.11.19G06N3/08(2006.01)G06V10/46(2022.01)(71)申请人北京华能新锐控制技术有限公司G06V10/764(2022.01)地址102209北京市昌平区北七家未来科G06V10/774(2022.01)技城南区华能人才创新创业基地实验G06V10/80(2022.01)楼B座(72)发明人曹利蒲杨继明王军陈婷婷李涛陈岩磊张澈王传鑫田长风(74)专利代理机构北京中知法苑知识产权代理有限公司11226代理人李明赵吉阳(51)Int.Cl.G06V20/56(2022.01)G06K9/62(2022.01)权利要求书2页说明书4页附图3页(54)发明名称基于改进YOLOX的实时路况目标检测方法及装置(57)摘要本公开提供一种基于改进YOLOX的实时路况目标检测方法及装置。所述方法包括：采集实时路况目标的数据集，并对数据集进行预处理；按照预设的比例将预处理后的数据集划分为训练集和测试集；建立改进YOLOX网络结构：在残差分支中额外引出特征，经过ECA通道注意力后与另一分支的特征叠加，每个提取到的特征图都会有多个通道，各个通道上的特征通过叠加就可以得到完整的物体特征；利用所述训练集对所述改进YOLOX网络结构进行训练，得到实时路况目标检测模型；使用所述实时路况目标检测模型对实时路况目标进行检测。可以有效提高实时路况目标检测精度和检测效率。CN114155499ACN114155499A权利要求书1/2页1.一种基于改进YOLOX的实时路况目标检测方法，其特征在于，所述方法包括：采集实时路况目标的数据集，并对数据集进行预处理；按照预设的比例将预处理后的数据集划分为训练集和测试集；建立改进YOLOX网络结构：在残差分支中额外引出特征，经过ECA通道注意力后与另一分支的特征叠加，每个提取到的特征图都会有多个通道，各个通道上的特征通过叠加就可以得到完整的物体特征；利用所述训练集对所述改进YOLOX网络结构进行训练，得到实时路况目标检测模型；使用所述实时路况目标检测模型对实时路况目标进行检测。2.根据权利要求1所述的方法，其特征在于，所述ECA通道注意力机制如下：对重要的特征分量所在通道赋予加大权重值，对非重要的特征分量所在通道赋予较小权重，然后求加权和。3.根据权利要求2所述的方法，其特征在于，所述重要的特征分量的权重值范围为0.8～0.95，所述非重要的特征分量的权重值范围为0.1～0.25。4.根据权利要求1至3任一项所述的方法，其特征在于，所述建立改进YOLOX网络结构，还包括：YOLOX网络结构的各模块之间采用交叉融合策略，以使得浅层特征中物体特征信息和深层特征中物体特征信息互补。5.一种基于改进YOLOX的实时路况目标检测装置，其特征在于，所述装置包括：采集模块，用于采集实时路况目标的数据集，并对数据集进行预处理；划分模块，用于按照预设的比例将预处理后的数据集划分为训练集和测试集；建立模块，用于建立改进YOLOX网络结构：在残差分支中额外引出特征，经过ECA通道注意力后与另一分支的特征叠加，每个提取到的特征图都会有多个通道，各个通道上的特征通过叠加就可以得到完整的物体特征；训练模块，用于利用所述训练集对所述改进YOLOX网络结构进行训练，得到实时路况目标检测模型；检测模块，用于使用所述实时路况目标检测模型对实时路况目标进行检测。6.根据权利要求5所述的装置，其特征在于，所述ECA通道注意力机制如下：对重要的特征分量所在通道赋予加大权重值，对非重要的特征分量所在通道赋予较小权重，然后求加权和。7.根据权利要求6所述的装置，其特征在于，所述重要的特征分量的权重值范围为0.8～0.95，所述非重要的特征分量的权重值范围为0.1～0.25。8.根据权利要求5至7任一项所述的装置，其特征在于，所述建立模块，具体还用于：YOLOX网络结构的各模块之间采用交叉融合策略，以使得浅层特征中物体特征信息和深层特征中物体特征信息互补。9.一种电子设备，其特征在于，包括：一个或多个处理器；存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至4任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序2CN114155499A权利要求书2/2页被处理器执行时能实现根据权利要求1至4任一项所述的方法。3CN114155499A说明书1/4页基于改进YOLOX的实时路况目标检测方法