System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理,尤其涉及一种基于yolov7的小目标检测方法、装置、存储介质及系统。
技术介绍
1、对于湿地环境的智能监测,主要是指监测湿地环境中的物种种类、数量等进行自动监控,其中鸟类是湿地野生动物中最具代表性的类群,是湿地生态系统的重要组成部分,灵敏和深刻地反映着湿地环境的变迁。所以鸟类的物种种类识别以及数量的监测至关重要。但由于监控设备需要假设在高塔上,所以在监控设备中,鸟的成像大多很小,故对于提高小目标检测的准确性,在湿地场景至关重要。
2、目前,比较流行的目标检测算法主要分为两类,一类是基于region proposal的r-cnn系列算法,此类往往先使用启发式方法或者cnn网络产生region proposal,然后再在region proposal上做分类与回归;另一类是yolo类one-stage算法,其使用一个cnn网络直接预测不同目标的类别与位置。第一类方法是准确度相对较高,但处理速度往往较慢,第二类算法处理速度快,但是识别准确性略低。
3、yolo(you only look once)算法,是一种基于深度学习的目标检测算法,相较于其他目标检测算法,优势在于处理速度快,可以实现实时目标检测。但同时,该算法对图形进行处理时,存在这网格划分较粗、特征提取不够细致、特征图的分辨率较低等缺陷。例如,当输入图像中的小目标占据的像素比例较小时,该小目标很容易被划分到较小的网格中,导致边界框的尺寸比目标物体还要小;并且由于yolo使用卷积神经网络提取特征,卷积操作的步长和池化操作的尺寸,特
4、因此,现有的基于yolo的小目标识别算法误召回率较高,置信度不稳定,对于小目标的检测和捕捉准确率较低。
技术实现思路
1、本申请实施例的目的在于提供一种基于yolov7的小目标检测方法,旨在解决现有的基于yolo的小目标识别算法误召回率较高,置信度不稳定,对于小目标的检测和捕捉准确率较低的问题。
2、本申请实施例是这样实现的,一种基于yolov7的小目标检测方法,所述方法包括:基于yolov7网络架构构建目标检测模型,所述目标检测模型至少包括有neck层和head层,所述neck层用于进一步融合和处理特征,所述head层用于预测边界框、类别和置信度,所述neck层和head层集成有simam模块,用于提高yolov7模型的目标处理精度;构建小目标检测数据集,所述小目标检测数据集用于提供训练样本,包含有至少一个标注框,所述标注框用于对小目标进行标注;基于所述小目标检测数据集对所述目标检测模型进行训练,生成小目标检测模型;基于所述小目标检测模型对待检测图像进行检测,生成检测结果。
3、本申请实施例是这样实现的,一种基于yolov7的小目标检测装置,所述装置包括:目标检测模型构建模块,用于基于yolov7网络架构构建目标检测模型,所述目标检测模型至少包括有neck层和head层,所述neck层用于进一步融合和处理特征,所述head层用于预测边界框、类别和置信度,所述集成neck层和head层集成有simam模块,用于提高yolov7模型的目标处理精度;小目标检测数据集构建模块,用于构建小目标检测数据集,所述小目标检测数据集用于提供训练样本,包含有至少一个标注框,所述标注框用于对小目标进行标注;小目标检测模型生成模块,用于基于所述小目标检测数据集对所述目标检测模型进行训练,生成小目标检测模型;检测结果生成模块,用于基于所述小目标检测模型对待检测图像进行检测,生成检测结果。
4、本申请实施例的另一目的在于,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述所述的一种基于yolov7的小目标检测方法的步骤。
5、本申请实施例的另一目的在于,一种基于yolov7的小目标检测系统,其特征在于,所述系统在运行时,执行上述的一种基于yolov7的小目标检测方法的步骤。
6、本申请实施例提供的一种基于yolov7的小目标检测方法,针对湿地场景下的小型目标的特点对基于yolov7网络架构进行调整改进,显著提高了提高目标的置信度,优化误召回,提高了对于小目标的捕捉精度,以及检测的准确率。
本文档来自技高网...【技术保护点】
1.一种基于YOLOv7的小目标检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的YOLOv7的小目标检测方法,其特征在于,所述基于YOLOv7网络架构构建目标检测模型还包括:
3.一种基于YOLOv7的小目标检测方法,其特征在于,所述构建小目标检测数据集的方法包括:
4.根据权利要求1所述的一种基于YOLOv7的小目标检测方法,其特征在于,在YOLOv7网络架构的neck层和head层集成SimAM模块的方法包括:
5.根据权利要求4所述的一种基于YOLOv7的小目标检测方法,其特征在于,所述相似度计算的方法包括:
6.根据权利要求1所述的一种基于YOLOv7的小目标检测方法,其特征在于,所述基于所述小目标检测数据集对所述目标检测模型进行训练的方法包括:
7.根据权利要求1所述的一种基于YOLOv7的小目标检测方法,其特征在于,所述基于所述小目标检测数据集对所述目标检测模型进行训练的方法还包括:
8.一种基于YOLOv7的小目标检测装置,其特征在于,所述装置包括:
9.一
10.一种基于YOLOv7的小目标检测系统,其特征在于,所述系统在运行时,执行如权利要求1~7中任一项所述的一种基于YOLOv7的小目标检测方法的步骤。
...【技术特征摘要】
1.一种基于yolov7的小目标检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的yolov7的小目标检测方法,其特征在于,所述基于yolov7网络架构构建目标检测模型还包括:
3.一种基于yolov7的小目标检测方法,其特征在于,所述构建小目标检测数据集的方法包括:
4.根据权利要求1所述的一种基于yolov7的小目标检测方法,其特征在于,在yolov7网络架构的neck层和head层集成simam模块的方法包括:
5.根据权利要求4所述的一种基于yolov7的小目标检测方法,其特征在于,所述相似度计算的方法包括:
6.根据权利要求1所述的一种基于yolov7的小目标检测方法,其特征在于,所述基于所述...
【专利技术属性】
技术研发人员:高树会,
申请(专利权)人:百鸟数据科技北京有限责任公司,
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。