龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：安徽工业大学
申请日：2024-03-25
公开（公告）日：2024-06-25
公开（公告）号：CN118247767A
主分类号：G06V20/58
分类号：G06V20/58;G06V10/82;G06N3/0464;G06V10/774;G06V10/764;G06V10/25
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于YOLOv8s的轻量化改进交通标志目标检测方法，属于交通标志检测领域。本发明用FastNet中的残差模块FastNetBlock替换C2f中的BottleNeck，其次FastNetBlock模块通过高效多尺度注意力机制EMA保留各个通道的信息并减少计算开销，再将BIFPN网络结构融合到neck层代替原先的FPN层，并使用改进的p2小目标检测层替换大目标检测层，有效的降低了参数量和能有效的提取小目标的关键特征，改进损失函数用Wise‑IOU替换原CIOU损失函数。将改进后的方法应用在路边交通标志检测中，相较于原始YOLOv8s方法，该方法具有精度高，参数量小，计算量低，计算速度快等优势，有很强的竞争力。
主权项：1.一种基于YOLOv8s的轻量化改进交通标志识别检测方法，其特征在于：步骤如下：S1、构建数据集，并对数据进行清洗和格式转换，将数据集划分为训练集和测试集，训练集用于模型训练，测试集用于评估模型最终的性能；并对训练集进行数据增强；S2、将增强后的训练集送到YOLOv8s网络模型进行训练，网络模型的骨干网络提取特征信息，通过提取的特征对图片进行类别分类和位置定位；采用高效多尺度注意力机制EMA和FastNet中的残差模块FastNetBlock融合的方式增强特征信息提取能力；并引入BIFPN网络结构，将骨干网络提取的信息加入到聚合路径中；S3、训练完成后，使用测试集对模型性能进行检测，得到识别结果，并使用各项指标对模型性能进行评估。
全文数据：
权利要求：
百度查询： 安徽工业大学 一种基于YOLOv8s的轻量化改进交通标志识别检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号