发明公开
- 专利标题: 一种基于改进的YOLO-v5算法的飞鸟检测方法
-
申请号: CN202311487331.8申请日: 2023-11-09
-
公开(公告)号: CN117496350A公开(公告)日: 2024-02-02
- 发明人: 李冬芬 , 蒋洋洋 , 朱永豪 , 付优 , 花晓雨 , 刘明哲 , 唐小川 , 周让
- 申请人: 成都理工大学
- 申请人地址: 四川省成都市成华区二仙桥东三路1号
- 专利权人: 成都理工大学
- 当前专利权人: 成都理工大学
- 当前专利权人地址: 四川省成都市成华区二仙桥东三路1号
- 代理机构: 成都众恒智合专利代理事务所
- 代理商 朱杰
- 主分类号: G06V20/10
- IPC分类号: G06V20/10 ; G06V10/764 ; G06V10/774 ; G06V10/776 ; G06V10/40 ; G06V10/766 ; G06V10/82 ; G06N3/0464 ; G06N3/08 ; G06N3/048
摘要:
本发明公开了一种基于改进的YOLO‑v5算法的飞鸟检测方法,包括以下步骤:S1,引入轻量级C3Ghost和Ghost模块提高遥感图像中小目标检测的精度,添加CBAM模块提高特征表达性能,使用CIoU_Loss损失函数作为边界盒回归损失提高算法的检测精度,训练出基于深度学习的飞鸟检测模型;S2,选择具有不同类型飞鸟的图像,构建飞鸟数据集,并对飞鸟数据集进行重建;S3,将重建的数据集按8:1:1的比例分成训练集、验证集和测试集;并将匪类后的数据集加入到飞鸟检测模型中进行模型训练;S4,设定测量指标对飞鸟检测模型进行性能验证。本发明通过将CBAM模块加入于YOLO‑v5的主干网络中,以突出用于飞鸟检测的有用信息,并抑制无用信息,从而提高图像信息处理的效率和准确性。