【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种空间金字塔池化与上采样方式优化的图像识别方法。
技术介绍
1、随着人们生活水平的不断提高以及机器视觉技术的不断发展，以深度学习为重点的机器视觉技术愈发受到人们的重视，已经被运用到生活的方方面面。但是官方提供的模型具有很强的普适性，缺乏一定的针对性，在某些特定的应用场景下，原有的一些模块发挥不出效果，具有很大的优化空间。因此，亟需一种图像识别技术，能够通过改进某些模块，可以在保持原有速度和准确率的前提下，能减小模型的大小，降低参数冗余，大大减少模型的训练时间和识别时间，能满足当下工业应用的需求。
技术实现思路
1、为了克服现有技术存在的缺陷与不足，本专利技术提供一种空间金字塔池化与上采样方式优化的图像识别方法，本专利技术改进了yolov5网络模型的框架，更换sppf模块为sppfcspc模块，更换最近邻插值上采样方式为转置卷积，具有适应性好、准确率高、参数量小等优点，拓展了深度学习技术的运用场景。
2、为了达到上述目的，本专利技术采用以下技术方
3本文档来自技高网...
【技术保护点】
1.一种空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，对图像数据进行数据增强，具体包括：
3.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，对图像数据进行预处理，具体包括：
4.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，图像数据的分类标签包括目标图像和非目标图像两种标签，训练集中将所有目标采用目标框标注。
5.根据权利要求1所述的空间金字塔池化与...
【技术特征摘要】
1.一种空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，对图像数据进行数据增强，具体包括：
3.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，对图像数据进行预处理，具体包括：
4.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，图像数据的分类标签包括目标图像和非目标图像两种标签，训练集中将所有目标采用目标框标注。
5.根据权利要求1所述的空间金字塔池化与上采样方式优化的图像识别方法，其特征在于，基于训练集对图像识别网络模型进行训练，在训练过程中使用余弦退火算法动态调整学习率，基于平方梯度的指数衰减平均值自适应地调整每个参数的学习率，基于adam优化器进行训练。
6.一种空间金字塔池化与上采样方式优化的图像识别系统，其特征在于，包括：图像数据获取模块、数据增...
【专利技术属性】
技术研发人员：张治鸿，刘少君，李艳，黄道平，
申请(专利权)人：华南理工大学，
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。