[發明專利]工業環境下基于改進的YOLO-6D算法的目標檢測方法

有效

• 申請號: 202010330520.4
• 申請日: 2020-04-24
• 公開（公告）號: CN111626120B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 吳益飛;叢宇;郭健;陳慶偉;靳懿;吳鑫煜
• 申請（專利權）人: 南京理工大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06V10/764;G06N3/0464;G06N3/048;G06N3/082;G06N3/047
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱炳斐

1.工業環境下基于改進的YOLO-6D算法的目標檢測方法，其特征在于，所述方法包括以下步驟：

采集包含待檢測目標的若干圖像；

構建YOLO-6D網絡的訓練數據集；

對YOLO-6D網絡進行改進，包括：利用ResNet-53代替ResNet-19的深度殘差神經網絡；將回歸函數以及激活函數中的Softmax替換為Sigmoid；

利用所述訓練數據集對YOLO-6D網絡進行訓練，獲得目標檢測模型；

進行坐標偏移，保證目標處于圖像劃分后的一個小格子cell中，所述坐標偏移公式為：

g_x＝f(x)+c_x

g_y＝f(y)+c_y

式中，g_x、g_y分別表示x，y方向的偏移量，c_x,c_y表示劃分的小格子cell的坐標；針對目標物體的中心點，函數f(·)表示Sigmoid函數，針對目標物體的八個角點，函數f(·)則表示恒等函數；

利用所述目標檢測模型對工業環境中的待檢測目標進行檢測，獲取目標的空間信息和分類信息；其中，獲取目標的分類信息，具體包括：

獲取目標分別在ResNet-53三個尺度輸出圖像中所屬分類的概率；

利用所述回歸函數對所述概率進行多標簽分類，獲得目標的分類信息。

2.根據權利要求1所述的工業環境下基于改進的YOLO-6D算法的目標檢測方法，其特征在于，所述訓練數據集包括：所述包含待檢測目標的若干圖像和自定義添加的若干噪聲圖像，以及每一幅圖像對應的標注信息，所述標注信息包括：圖像中是否包含待檢測目標、待檢測目標的空間信息和分類信息。

3.根據權利要求1所述的工業環境下基于改進的YOLO-6D算法的目標檢測方法，其特征在于，所述ResNet-53包括三個輸出：32倍降采樣后的特征圖作為第一輸出，對32倍降采樣后的特征圖進行步長為2的上采樣，獲得的16倍降采樣后的特征圖作為第二輸出，對16倍降采樣后的特征進行步長為2的上采樣，獲得的8倍降采樣后的特征作為第三輸出。

4.根據權利要求1所述的工業環境下基于改進的YOLO-6D算法的目標檢測方法，其特征在于，所述對YOLO-6D網絡進行訓練的過程中，所采用的置信度函數為：

式中，D_T(x)為預測的平面圖片2D點的坐標值與3D空間中的實際值之間的歐式距離，d_th為預設的閾值，α為超參，取值范圍為0.1～10。