买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：同济大学

摘要：本发明提供了一种基于改进YOLOv5模型的建筑垃圾检测方法。基于改进YOLOv5模型的建筑垃圾检测算法包括以下步骤：为解决建筑垃圾数据集中小物体占比较大且模型检测效果有待提升的问题，对YOLOv5网络进行优化。设计了一种基于TransformerEncoder结构的多头自注意力机制主干网络，从而提高模型对建筑垃圾特征的捕捉能力。同时，设计了一种非对称的加权特征融合Neck网络，以增强模型学习不同分辨率特征图的能力。此外，设计了一种基于CIoU的非线性非极大值抑制算法C‑NMS，以提高模型在后处理阶段对冗余检测框的筛选能力。本发明提供了一种自动识别和定位建筑垃圾的检测算法，对多种类型的建筑垃圾具有较高的识别精度。尤其在小物体检测方面，识别能力得到显著提升。利用此发明，建筑垃圾的分类和处理过程将变得更加高效和精确。

主权项：1.一种基于改进YOLOv5模型的建筑垃圾检测方法，其特征在于，包括以下步骤：步骤1、通过2D相机拍摄运动状态下的建筑垃圾，获取建筑垃圾数据集；步骤2、对采集到的建筑垃圾图像进行标注，将标注后的建筑垃圾数据集当作模型训练样本数据；步骤3、设计一种改进的YOLOv5模型，针对建筑垃圾检测场景进行特定优化以提高检测性能；S31：通过采用Focus、Conv、C3、SPP和TransformerEncoder结构，构建改进的YOLOv5模型主干网络；S32：设计非对称的加权特征融合Neck网络，以增强模型在不同分辨率特征图上的学习能力；在特征融合阶段，通过Fusion-Concat模块，对每个不同分辨率的特征图信息流进行权重训练；每个信息流的权重计算表示如下： 其中，符号j代表输入节点的个数，∈值设置为0.0001；特征融合后的输出表示为：Output＝ConcatX[0]W[0]，X[1]，W[1]，...，X[i]W[i]其中，每个W[i]取值范围在0到1之间，而所有输入的归一化权重之和为1；S33：设计一种基于CIoU的非线性非极大值抑制算法C-NMS，以在后处理阶段增强模型对检测框筛选的能力；表达式如下： 其中，si表示检测框bi的分类置信度分数，M表示得分最高的检测框，Nt表示非极大值抑制算法的阈值。步骤4、使用标注好的建筑垃圾检测数据集对优化后的YOLOv5模型进行训练，以便模型能够学习和识别各种类型的建筑垃圾；步骤5、将训练完成的YOLOv5模型应用于实际工况场景下的建筑垃圾检测，实现对建筑垃圾的自动识别和定位。

全文数据：

权利要求：

百度查询： 同济大学 一种基于改进YOLOv5模型的建筑垃圾检测方法