【技术实现步骤摘要】
基于改进YOLOv5模型的大分辨率图像目标检测方法及系统
[0001]本专利技术涉及图像目标检测
,具体涉及一种基于改进YOLOv5模型的大分辨率图像目标检测方法及系统。
技术介绍
[0002]目标检测是当前计算机视觉领域的热点研究方向,在传统的图像分类任务中,计算机往往只关注输入的图像中最重要的特征,然后输出图像最可能的类别。而目标检测的任务则是识别出输入图像中计算机感兴趣的所有物体,并输出这些物体的类别以及具体的位置,目标检测任务比分类任务要求更高,也更难达到高精准度。
[0003]现有的目标检测模型分为:One
‑
stage检测模型和Two
‑
stage检测模型。Two
‑
stage检测模型先被提出,该模型先在图像中生成大量的候选区域(region proposal),再通过卷积神经网络对这些区域进行特征提取,最后识别类别和位置,常用的Two
‑
stage检测模型有R
‑
CNN、SPP
‑
Net、Fast R
‑
CNN、Faster R
‑
CNN等。虽然Two
‑
stage检测模型在检测精度上越来越高,但是检测速度却很难提升,One
‑
stage检测模型的出现很好的解决了这一问题。One
‑
stage检测模型则不需要生成候选区域,该模型直接从输入图像中提取特征,继而预测物体的类别和位置信息,常用的算法有 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOv5模型的大分辨率图像目标检测方法,其特征在于,包括如下步骤:基于获取到的包括小目标类别的图像数据构建训练集和验证集;基于获取到的大分辨率街景图像构建测试集;改进YOLOv5模型,搭建新的检测模型,新的检测模型包括:输入层、骨干网络、BiFPN结构及Head网络;所述改进YOLOv5模型的具体步骤如下:在所述输入层中加入clip算法和数据增强方法,对输入图像进行预处理;采用改进后的EfficientNet网络作为骨干网络,压缩图像得到深度特征图的同时减少参数计算量;在骨干网络后加入BiFPN结构将各尺度特征进行融合;所述Head网络包含三种检测头,分别包含20*20、40*40、80*80三种尺寸预测层,改进初始锚框;采用Soft
‑
NMS算法替换NMS算法实现极大值抑制,采用CIOU_Loss作为损失函数,采用Momentum
‑
SGD作为优化器,使用MultiStepLR算法动态调整学习率;设置训练参数,利用训练集对新的检测模型进行训练,得到训练后的模型及权重文件,利用验证集和map@0.6指标对训练后的模型进行性能评估;基于训练后的模型对测试集中大分辨率街景图像进行检测,得到包含目标类别和目标位置坐标的检测结果。2.根据权利要求1所述的基于改进YOLOv5模型的大分辨率图像目标检测方法,其特征在于,使用标注工具对所述小目标类别的图像数据进行标注,并根据数据集大小设定划分比例,按照划分比例分为训练集和验证集;所述小目标类别包括汽车、行人及垃圾桶;所述测试集中大分辨率街景图像包括自然环境下的街景图像、含有行人和汽车且分辨率不小于2560像素*1440像素。3.根据权利要求1所述的基于改进YOLOv5模型的大分辨率图像目标检测方法,其特征在于,所述clip算法和数据增强方法,包括以下步骤:设定滑动窗口大小为640*640,设定宽和高阈值为640、640;所述训练集和测试集中图像进入模型前,拦截宽和高大于阈值的图像,使用滑动窗口从图像左上角开始进行区域裁剪,先向右滑动,再向下滑动,每次裁剪的区域和前一次裁剪的区域的重叠度为20%;对裁剪后剩余边缘子图采用letterbox方法填充至640像素*640像素,将裁剪得到的所有图像合并成多通道图像进入模型;对进入模型的图像采用augment
‑
hsv算法,提升图像的亮度和饱和度,采用centercrop算法和random
‑
compose算法,裁剪图像中心区域并合并到随机图像上实现随机遮挡和特征丰富。4.根据权利要求1所述的基于改进YOLOv5模型的大分辨率图像目标检测方法,其特征在于,所述改进后的EfficientNet网络的结构包括:卷积核大小为3*3,步长为2,通道数为64,包含BN和激活函数swish的卷积层;
DSConv结构,包括1*1含BN和h
‑
sigmoid的卷积层、k*k的Dep Conv卷积层、SE模块、1*1含BN的卷积层及Dropout层,其中,k取值包括3和5两种情况,所述SE模块包括全局平均池化层和两个全连接层,对各个通道特征图进行权值设定,其中,1*1含BN的卷积层用于降维处理。5.根据权利要求1所述的基于改进YOLOv5模型的大分辨率图像目标检测方法,其特征在于,所述在骨干网络后加入BiFPN结构,包括...
【专利技术属性】
技术研发人员:黄步添,汪志刚,刘振广,焦颖颖,许曼迪,
申请(专利权)人:杭州云象网络技术有限公司,
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。