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：远望谷(宁波)文化科技有限公司

摘要：本发明涉及一种基于深度学习图书馆座位管理系统的构建方法，该方法采用随机水平旋转、随机垂直翻转进行数据增强；在颈部添加能将浅层特征下采样为深层特征，并进行融合的特征融合模块；利用综合考虑F1分数和alpha‑IOU的损失函数训练检测网络模型；将增强通道注意力机制模块添加到主干网络的最后一个C3与SPPF模块之间，负责利用特征图不同通道之间的相关性来建立通道注意力机制，求解获得的通道注意力权重，并对特征图重新赋值，增强YOLOv5对通道的敏感性；采用附带1×1卷积进行残差连接，增强YOLOv5对特征的提取；本发明能自动、准确定位图书馆中的每个座位区域，并标记出该区域的座位使用情况，供读者了解图书馆座位使用情况。

主权项：1.一种基于深度学习图书馆座位管理系统的构建方法，包括以下步骤：S1、采用LabelImg工具对图书馆提供的馆内图像中的座位的状态和人进行标注，经标注后的馆内图像按照一定比例随机生成训练集和测试集，并对训练集和测试集进行预处理；S2、利用预训练好的YOLOv5模型，构建图书馆座位状态的检测网络模型；所述检测网络模型以YOLOv5模型为主模型架构，其包括输入端、主干网络、颈部、检测头；输入端具有Mosaic数据增强、自适应锚框计算、自适应图片缩放功能；主干网络采用CSP结构，通过前向和跨层连接，将输入特征图划分并融合，同时采用残差结构保证特征信息的传递；S3、将训练集中的馆内图像输入到检测网络模型中进行训练，检测网络模型逐渐拟合，训练中每次迭代，保存训练效果最优的模型参数，其中，所述模型参数包括权重；S4、将测试集中的馆内图像输入到具有最优权重的检测网络模型中进行测试，检测网络模型输出预测后的检测结果；其特征在于：所述预处理是采用随机水平旋转、随机垂直翻转的方式对训练集和测试集中的数据进行增强；所述颈部利用PAN特征融合方法，在现有FPN的基础上添加一个特征融合模块，该模块将浅层特征下采样为深层特征，并且与对应的深层特征进行融合，以此弥补深层特征图定位信息不足的缺点，使不同尺寸的特征图都包含图像语义信息和图像特征信息；所述检测头利用综合损失函数来训练检测网络模型，所述综合损失函数是综合考虑F1分数和alpha-IOU的损失函数；将增强通道注意力机制模块添加到所述主干网络中的最后一个C3与SPPF模块之间；所述增强通道注意力机制模块负责利用特征图不同通道之间的相关性来建立通道注意力机制，用通道注意力机制求解获得的通道注意力权重，并对特征图进行重新赋值，增强YOLOv5模型对通道的敏感性；采用附带1×1卷积进行残差连接，增强YOLOv5模型对特征的提取；将所述YOLOv5模型的预训练权重加载到所述检测网络模型中，利用先前学习到的特征表示。

全文数据：

权利要求：

百度查询： 远望谷(宁波)文化科技有限公司 一种基于深度学习的图书馆座位管理系统