一种基于旋转框定位的垃圾检测方法技术

本发明专利技术设计了一种基于旋转框定位的垃圾检测方法，本方法在YOLOv5目标检测网络中在水平矩形框基础上增加了角度信息，使其能够检测旋转垃圾目标；将角度信息通过环形平滑标签进行转化到[0,1)的范围内，避免旋转目标检测中的边界问题。相较于回归水平边框，与回归角度的旋转目标检测方式不同，基于旋转锚框的目标检测算法，降低了边框回归角度计算的复杂度，解决了旋转角度在边界时的歧义性。本发明专利技术提出的方法在对旋转垃圾的检测中，针对垃圾物体在无法获取到旋转角度信息的情况下取得较好的检测效果，具有显著优势。具有显著优势。具有显著优势。

【技术实现步骤摘要】
一种基于旋转框定位的垃圾检测方法


[0001]本专利技术属于垃圾检测
，主要涉及到一种基于旋转框定位的垃圾检测方法。

技术介绍

[0002]在垃圾目标检测任务中，要求检测目标的方向、旋转角度等信息，而基于水平边框标注的目标检测算法无法提供更精确的位资信息，旋转目标检测算法的研究工作迫在眉睫。

技术实现思路

[0003]有为解决上述技术问题，本专利技术提出了一种基于旋转框定位的垃圾检测方法，能够精准识别出采集图片中的物体信息，达到快速检测到生活垃圾的效果。
[0004]包括：
[0005]基于YOLOv5的目标检测网络构建垃圾检测模型，其中，所述垃圾检测模型包括Input网络模块、Backbone网络模块，Neck网络模块和Head网络模块；
[0006]采集日常场景的垃圾图像；
[0007]将所述垃圾图像输入到Input模块进行预处理；
[0008]预处理后的所述垃圾图像通过Backbone网络模块进行特征提取，获得特征层；
[0009]基于所述特征层，通过所述Neck网络模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于旋转框定位的垃圾检测方法，其特征在于，包括：基于YOLOv5的目标检测网络构建垃圾检测模型，其中，所述垃圾检测模型包括Input网络模块、Backbone网络模块，Neck网络模块和Head网络模块；采集日常场景的垃圾图像；将所述垃圾图像输入到Input模块进行预处理；预处理后的所述垃圾图像通过Backbone网络模块进行特征提取，获得特征层；基于所述特征层，通过所述Neck网络模块进行特征融合，得到待预测特征层；将所述待预测层输入到Head模块进行输出，获取所述垃圾图像的检测信息。2.根据权利要求1所述的基于旋转框定位的垃圾检测方法，其特征在于，所述得到的垃圾图像使用rolabeling标注软件进行旋转矩形框进行标注得到标签。3.根据权利要求2所述的基于旋转框定位的垃圾检测方法，其特征在于，所述标签参数定义为(C,x,y,w,h,θ)，其中C为所述垃圾类别ID，(x,y)为所述旋转矩形框的中心点，(w,h)为所述旋转矩形框的宽和高，θ为x轴逆时针旋转碰到所述旋转矩形框的长边形成的角度，范围为[
‑
90
°
,90
°
)。4.根据权利要求3所述的基于旋转框定位的垃圾检测方法，其特征在于，所述角度通过环形平滑标签进行转换到[0,1)的范围内。5.根据权利要求1所述的基于旋转框定位的垃圾检测方法，其特征在于，所述预处理是对所述垃...

【专利技术属性】
技术研发人员：黄俊，李果，夏涛，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：