[發明專利]基于改進算法的目標檢測方法在審
| 申請號： | 202110690835.4 | 申請日： | 2021-06-22 |
| 公開（公告）號： | CN113378748A | 公開（公告）日： | 2021-09-10 |
| 發明（設計）人： | 段大鍇 | 申請（專利權）人： | 上海中通吉網絡技術有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京細軟智谷知識產權代理有限責任公司 11471 | 代理人： | 牛晴 |
| 地址： | 201799 上*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 改進 算法 目標 檢測 方法 | ||
本發明涉及人工智能技術領域，具體涉及一種基于改進算法的目標檢測方法。一種基于改進算法的目標檢測方法，包括：獲取待識別所述圖片；利用改進的yolov5模型對所述圖片進行識別；其中，所述改進的yolov5模型為將原始的yolov5模型的G_IOU_loss損失函數改為C_IOU_loss損失函數，并且將原始yolov5模型中的非極大值抑制算法，改為D_IOU_nms算法后得到的；得到所述改進的yolov5模型對所述圖片的識別結果。本申請提供的方案中，改進的yolov5模型考慮邊界框中心距離的信息和邊界框寬高比的尺度信息，所以對于多個檢測目標靠的比較近的情況下可以更加精確的檢測出每個目標的邊界。
技術領域
本發明涉及人工智能技術領域，具體涉及一種基于改進算法的目標檢測方法。
背景技術
現有的最新的開源的目標檢測算法為基于yolov5模型的目標檢測算法?；趛olov5模型的目標檢測算法是在yolov3模型，yolov4模型的基礎上演變而來，通過對yolov3模型和yolov4模型的部分技術點進行更新以及加入了一些新的技術就演變出現在的yolov5模型。
但是，現有技術中的基于yolov5模型的目標檢測算法，在遇到多個檢測目標靠的比較近的情況下檢測出每個目標的精度較低。
發明內容
有鑒于此，提供一種基于改進算法的目標檢測方法，以解決相關技術中基于yolov5模型的目標檢測算法，在遇到多個檢測目標靠的比較近的情況下檢測出每個目標的精度較低的問題。
本發明采用如下技術方案：
第一方面，本發明實施例提供了一種基于改進算法的目標檢測方法，該方法包括：
獲取待識別所述圖片；
利用改進的yolov5模型對所述圖片進行識別；其中，所述改進的yolov5模型為將原始的yolov5模型的G_IOU_loss損失函數改為C_IOU_loss損失函數，并且將原始yolov5模型中的非極大值抑制算法，改為D_IOU_nms算法后得到的；
得到所述改進的yolov5模型對所述圖片的識別結果。
可選的，所述C_IOU_loss損失函數為在G_IOU_loss損失函數的基礎上，考慮邊界框中心距離的信息和邊界框寬高比的尺度信息的一種損失函數。
可選的，所述D_IOU_nms算法是在非極大值抑制算法的基礎上，考慮了交并比和兩個方框中心點之間的距離，決定方框是否被刪除的算法。
可選的，對所述圖片進行識別之前，還包括：
去除所述圖片的黑邊。
可選的，還包括：對改進的yolov5模型進行訓練以優化其識別結果。
本發明采用以上技術方案，首先獲取待識別所述圖片；利用改進的yolov5模型對所述圖片進行識別；其中，所述改進的yolov5模型為將原始的yolov5模型的G_IOU_loss損失函數改為C_IOU_loss損失函數，并且將原始yolov5模型中的非極大值抑制算法，改為D_IOU_nms算法后得到的；得到所述改進的yolov5模型對所述圖片的識別結果。由于改進的yolov5模型為將原始的yolov5模型的G_IOU_loss損失函數改為C_IOU_loss損失函數，并且將原始yolov5模型中的非極大值抑制算法，改為D_IOU_nms算法后得到的；C_IOU_loss損失函數和D_IOU_nms算法的組合在進行目標識別的過程中，考慮邊界框中心距離的信息和邊界框寬高比的尺度信息，所以對于多個檢測目標靠的比較近的情況下可以更加精確的檢測出每個目標的邊界。
附圖說明
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海中通吉網絡技術有限公司，未經上海中通吉網絡技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110690835.4/2.html，轉載請聲明來源鉆瓜專利網。
