[發明專利]基于改進yolov5的紅綠燈檢測方法、系統、設備及介質

在審

• 申請號: 202310451669.1
• 申請日: 2023-04-25
• 公開（公告）號: CN116630934A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 李康順;李婷婷;李丹丹;鄭俊鋒;張昱
• 申請（專利權）人: 東莞城市學院
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06V10/56;G06V10/774
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.基于改進yolov5的紅綠燈檢測方法，其特征在于，包括下述步驟：

獲取紅綠燈圖片數據并進行預處理，構建紅綠燈圖片檢測數據集；

構建改進的yolov5模型訓練所述紅綠燈圖片檢測數據集，得到訓練好的改進的yolov5模型；所述改進的yolov5模型是用Inception-ResNet?v2網絡替換掉原始yolov5的骨干網絡；所述改進后yolov5模型的骨干網絡包括Stem模塊、Inception-resnet-A模塊、Reduction-A模塊、Inception-resnet-B模塊、Reduction-B模塊以及進入Inception-resnet-C模塊，所述Stem模塊用于對進入Inception模塊前的數據進行預處理，所述Inception-resnet-A模塊用于對輸入的結果先進行6次卷積處理，再將處理結果進行堆疊；所述Reduction-A模塊用于對來自上一層的輸入進行4次卷積處理以及最大值池化處理；所述Inception-resnet-B模塊用于對來自上一層的輸入進行4次卷積處理，再將處理結果進行堆疊，所述Reduction-B模塊用于對來自上一層的輸入進行7次卷積處理以及最大值池化處理，所述Inception-resnet-C模塊用于對來自上一層的輸入進行5次卷積處理，再將處理結果進行堆疊；

將待檢測的紅綠燈圖片輸入至所述訓練好的改進的yolov5模型進行檢測，輸出檢測結果。

2.根據權利要求1所述的基于改進yolov5的紅綠燈檢測方法，其特征在于，在預處理的過程中，對所述紅綠燈圖片數據進行標注，獲得目標的類別標簽信息，整理制作成紅綠燈圖片檢測數據集。

3.根據權利要求1所述的基于改進yolov5的紅綠燈檢測方法，其特征在于，所述構建改進的yolov5模型訓練所述紅綠燈圖片檢測數據集，得到訓練好的改進的yolov5模型，具體為：

將yolov5模型原來的Input修改為299x299x3；

將Input的數據通過Stem模塊進行處理，具體處理過程為：先將Input數據進行三次卷積核為3x3的二維卷積，然后再進行最大池化，最大池化后再進行兩次卷積處理，然后再進行四次分支處理，最后將這四個分支進行堆疊，輸入的圖像尺寸由原來的299x299x3變為35x35x256；

在通過Stem模塊處理后，進入Inception-resnet-A模塊進行處理，具體處理過程為：Inception-resnet-A模塊的結構分為4個分支，分別為未經處理直接輸出、經過一次1x1的32通道的卷積處理、經過一次1x1的32通道的卷積處理和一次3x3的32通道的卷積處理、經過一次1x1的32通道的卷積處理與一次3x3的48通道和一次3x3的64通道卷積處理這四個分支，將后三個分支的處理結果堆疊后進行一次卷積，然后再與第一個分支的結果相加，最后得出處理結果；

進入Reduction-A模塊處理，所述Reduction-A模塊分為最大池化操作、1次卷積核為3x3的卷積處理和3次卷積處理這3個分支，將這3個分支處理后的結果按維數1進行拼接，拼接后數據就由原來的35x35x256變為17x17x896；

進入Inception-resnet-B模塊處理，所述Inception-resnet-B模塊分為未經處理直接輸出，經過一次1x1的192通道的卷積處理，經過一次1x1的128通道的卷積處理、一次1x7的160通道的卷積處理和一次7x1的192通道的卷積處理這3個分支；將第2個分支和第3個分支的處理結果堆疊后進行一次卷積，再與第一個分支的處理結果相加；

進入Reduction-B模塊處理，所述Reduction-B模塊分為最大池化操作，一次1x1的通道數為256的卷積操作和一次3x3的通道數為384的卷積操作，一次1x1的通道數為256的卷積操作和一次3x3的通道數為288的卷積操作，一次1x1的通道數為256的卷積操作、一次3x3的通道數為288的卷積操作以及一次3x3的通道數為320的卷積操作這4個分支，將這個分支得到的處理結果按維數1進行拼接，拼接后數據就由原來的17x17x896變為8x8x1792；

進入Inception-resnet-C模塊處理，所述Inception-resnet-C模塊分為未經處理直接輸出，經過一次1x1的192通道的卷積處理，經過一次1x1的192通道的卷積處理、一次1x3的224通道的卷積處理和一次3x1的256通道的卷積處理這3個分支，將第2個分支和第3個分支的處理結果堆疊后進行一次卷積，再與第一個分支的處理結果相加；

在經過上述操作后，進行二維平均池化操作，設置kernel_size參數的值為8，處理后輸出數據為1792。