基于YOLOV7目标检测算法的实时违规旗帜检测方法技术

本发明专利技术涉及了一种基于YOLOV7目标检测算法的实时违规旗帜检测方法，包括以下步骤：通过编写爬虫收集违规旗帜图片，确定违规旗帜检测的特征，利用图片标注工具对收集到的图片进行标注，制作违规旗帜数据集，同时，收集与违规旗帜具有相似特征的正常旗帜，制作混淆特征旗帜数据集；对模型算法进行优化，基于焦点和全局目标检测蒸馏，对YOLOV7目标检测算法进行改进，获得自适应孪生蒸馏YOLOV7‑tiny目标检测算法模型；区别于现有技术，本发明专利技术通过制作混淆特征旗帜数据集，提高违规旗帜识别能力，通过基于焦点和全局目标检测蒸馏，对YOLOV7目标检测算法进行改进，获得孪生蒸馏YOLOV7‑tiny目标检测算法模型，提高检测精度，可以达到实时检测。

【技术实现步骤摘要】

本专利技术涉及计算机视觉以及边缘智能计算，特别涉及基于yolov7目标检测算法的实时违规旗帜检测方法。

技术介绍

1、当今时代，互联网技术日新月异，信息的传播速度与广度令人惊叹，图像数据作为人们获取信息的主要来源之一，无时无刻不出现我们的生活之中。智能手机、电脑、大屏播报等为我们提供各式各样的视频图像信息，让人们的生活多姿多彩。然而，技术在给我们带来方便的同时，也带了诸多挑战，其中网络安全一直是人们研究的热点。网络中存在一些包含违规内容的图片，如果不对其进行检测过滤，凭借其惊人的传播速度和广度，将产生极其恶劣的影响。旗帜作为极其敏感的数据，对其进行实时的检测显得尤为重要。

2、目前，对于违规图片的筛选和过滤主要集中在服务器端，即通过将网络中传输的图像数据收集至云端，然后再采取一定的方法对其进行检测识别。比如各大视频和社交平台采用人工审查以及基于用户举报的方法进行监测。

3、这些方法存在如下缺点：

4、1、人工检测的方法检测精度及检测效率非常低，误检率非常高，且要耗费大量的人力资源；

5、2、云端检测对网络过于本文档来自技高网...

【技术保护点】

1.一种基于YOLOV7目标检测算法的实时违规旗帜检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于YOLOV7目标检测算法的实时违规旗帜检测方法，其特征在于，在数据集制作的步骤中，利用图片标注工具对收集到的图片进行标注时，同时选择违规旗帜特征及其对应的LOGO，后采用图片标注工具对图片中出现的违规旗帜目标及其对应的LOGO进行标注，制作违规旗帜数据集。

3.根据权利要求2所述的基于YOLOV7目标检测算法的实时违规旗帜检测方法，其特征在于，在数据集制作的步骤中，对各类违规旗帜以及世界各国各政党旗帜进行特征对比，收集与各类违规旗帜具有相似特征的旗帜...

【技术特征摘要】

1.一种基于yolov7目标检测算法的实时违规旗帜检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于yolov7目标检测算法的实时违规旗帜检测方法，其特征在于，在数据集制作的步骤中，利用图片标注工具对收集到的图片进行标注时，同时选择违规旗帜特征及其对应的logo，后采用图片标注工具对图片中出现的违规旗帜目标及其对应的logo进行标注，制作违规旗帜数据集。

3.根据权利要求2所述的基于yolov7目标检测算法的实时违规旗帜检测方法，其特征在于，在数据集制作的步骤中，对各类违规旗帜以及世界各国各政党旗帜进行特征对比，收集与各类违规旗帜具有相似特征的旗帜图片，制作混淆特征旗帜数据集。

4.根据权利要求1所述的基于yolov7目标检测算法的实时违规旗帜检测方法，其特征在于，在模型算法进行优化的步骤中，通过以yolov7为教师模型，同时对yolov7模型的主干网络输出的特征图和头部输出的特征图进行焦点全局蒸馏，在模型训练的前期，基于主干网络特征蒸馏能够加速学生模型的收敛，在模型训练的后期，教师模型头部输出的特征能够更好的指导学生模型达到更高的检测精度，同时对yolov7-tiny目标检测算法模型的主干网络和头部两部分的输出特征进行蒸馏，并为两部分特征设计适应性权重。

5.根据权利要求1所述的基于yolov7目标检测算法的实时违规旗帜检测方法，其特征...

【专利技术属性】
技术研发人员：张振昌，刘金强，薛弘晖，林甲祥，林清波，李小林，陈宏方，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：