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：陕西理工大学

摘要：本发明公开了一种基于改进的YOLOv7‑tiny的鸟类目标检测方法、系统及应用，所述检测方法包括：基于改进的YOLOv7‑tiny网络构建鸟类目标检测模型，所述改进的YOLOv7‑tiny网络包括使用具有反向残差结构的Inv‑ResM模块和Inv‑ResBL重构原YOLOv7‑tiny的主干网络，并采用引入了注意力机制和通道混洗机制的T‑ELAN‑ATT模块替换原YOLOv7‑tiny中的T‑ELAN模块。本发明在保留YOLO算法检测速度快的优势的基础上，显著提升了复杂环境下鸟类目标检测的精准度和效率。

主权项：1.基于改进的YOLOv7-tiny的鸟类目标检测方法，其特征在于，其包括：基于改进的YOLOv7-tiny网络构建鸟类目标检测模型，通过训练集对所述鸟类目标检测模型进行训练，得到训练后鸟类目标检测模型；其中，所述改进的YOLOv7-tiny网络的改进内容包括：重构原YOLOv7-tiny的主干网络的结构为：依次相连的输入层、第一CBL模块、第二CBL模块、第一Inv-ResM模块、第一Inv-ResBL模块、第二Inv-ResM模块、第二Inv-ResBL模块、第三Inv-ResM模块、第三Inv-ResBL模块、第四Inv-ResM模块及SPPCBL模块，其中，所述输入层、所述CBL模块及所述SPPCBL模块维持原YOLOv7-tiny的主干网络中的输入层、CBL模块及SPPCBL模块，所述Inv-ResM模块的结构包括：将输入Inv-ResM模块的特征分为两部分并分别进行CBL处理即卷积处理、批归一化处理和经LeakyReLU激活函数进行的激活处理的第三CBL模块和第四CBL模块，依次与所述第四CBL模块相连的第一卷积模块、第一深度可分离卷积模块、第二卷积模块，及将所述第三CBL模块的输出、所述第四CBL模块的输出和所述第二卷积模块的输出进行拼接处理的第五CBL模块；Inv-ResBL模块的结构包括：依次相连的第三卷积模块、第一ReLU激活模块、第二深度可分离卷积模块、第二ReLU激活模块、第四卷积模块、第一批归一化处理模块和线性输出模块；并将原YOLOv7-tiny中特征融合部分的T-ELAN模块替换为T-ELAN-ATT模块，所述T-ELAN-ATT模块的结构包括：将输入T-ELAN-ATT模块的特征等分为两份并分别进行CBL处理的第六CBL模块和第七CBL模块，依次与所述第七CBL模块相连的E-SEWSA模块、融合模块、第八CBL模块、ChannelShuffle模块和第九CBL模块，及将所述第六CBL模块的输出、所述第七CBL模块的输出及所述第九CBL模块的输出进行拼接处理的第十CBL模块，其中，所述融合模块可将所述第七CBL模块的输出和所述E-SEWSA模块的输出进行融合，其融合后得到的特征再分别输入所述第八CBL模块和所述ChannelShuffle模块，且所述第七CBL模块的输出也进入了所述ChannelShuffle模块；其中，所述E-SEWSA模块的结构包括：将输入的特征进行全局平均池化处理的池化层、与所述池化层依次相连的全连接层和sigmoid激活层，及将输入的特征和经所述sigmoid激活层得到的通道注意力进行加权融合的输出层；所述ChannelShuffle模块的结构包括：将输入其中的特征沿通道方向进行混合的分组卷积模块和将其得到的混合后的特征进行重新排列的特征重排模块。

全文数据：

权利要求：

百度查询： 陕西理工大学 基于改进的YOLOv7-tiny的鸟类目标检测方法、系统及应用