【技术实现步骤摘要】
一种基于YOLOv5s模型的移动电子设备位置检测方法
[0001]本专利技术涉及图像识别
，特别涉及一种基于YOLOv5s模型的移动电子设备位置检测方法。
技术介绍
[0002]移动电子设备在现在的日常生活随处可见，人们时时刻刻都会有这样的需求。对于其本身而言，已然成为人们日常生活中不可或缺的通信交流方式，因为移动电子设备的产生，给人们的生活带来了极大的便利并且节省交流的成本。
[0003]但是，在一些特定的场合使用手机等移动电子设备仍然有可能存在安全隐患，严重者会造成重大的安全事故。例如，在加油站等特定场所，违规使用手机可能会引发火灾。且在一些有安全和保密规定的场所，需要实时检测人员是否违规使用移动电子设备。所以对违规使用移动电子设备的行为进行检测给人们以提示和警示作用就变得非常必要。
[0004]针对此问题，本专利技术提出一种基于YOLOv5s模型的移动电子设备位置检测方法，构建包含SE(Squeeze
‑
and
‑
Excitation)模块的YOLOv5s模型，...
【技术保护点】
【技术特征摘要】
1.一种基于YOLOv5s模型的移动电子设备位置检测方法，其特征在于，包括以下步骤：构建YOLOv5s模型；根据SEnet注意力机制构建SE模块，将SE模块加入至YOLOv5s模型的CSP结构之后；获取持有移动电子设备的目标图像，将目标图像输入加入SE模块后的YOLOv5s模型；目标图像依此经过YOLOv5s模型的focus结构、CSP结构和SE模块的处理，生成三个特征层；将三个特征层分别输入YOLOv5s模型的网络层，网络层对三个特征层进行上下采样，将采样结果与YOLOv5s模型的主干网络提取的特征图进行特征融合，生成三个新的特征层，根据三个新的特征层输出预测结果；根据预测结果生成并显示目标图像中移动电子设备的预测框。2.如权利要求1所述的一种基于YOLOv5s模型的移动电子设备位置检测方法，其特征在于，所述SE模块，包括：压缩单元：将H*W*C的特征图压缩为1*1*C，其中，H是高度，W是宽度，C是通道数；激发单元：将压缩后的特征图输入FC全连接层，对压缩后特征图的每个通道的重要性进行预测，得到不同通道的重要性大小，在卷积过程中，将重要性高的通道权重加大，重要性低的通道权重减小，再利用Sigmoid激活函数将压缩特征图通道变形为原特征图通道。3.如权利要求1所述的一种基于YOLOv5s模型的移动电子设备位置检测方法，其特征在于，还包括：采用特征金字塔网络模块FPN进行特征融合，其中，特征金字塔网络模块FPN添加上下文信息的边，并对每个边乘以一个相应的权重。4.如权利要求1所述的一种基于YOLOv5s模型的移动电子设备...
【专利技术属性】
技术研发人员：张晓明，赵培森，于占鲁，王廷德，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。