基于模型轻量化的目标检测方法
    4.
    发明公开

    公开(公告)号:CN116229199A

    公开(公告)日:2023-06-06

    申请号:CN202211612259.2

    申请日:2022-12-15

    IPC分类号: G06V10/774 G06V10/82 G06N3/08

    摘要: 一种基于模型轻量化的目标检测方法,步骤包括:首先采集图片;再把图片送入目标检测方法模型进行检测;最后得到图片中的目标信息。目标检测方法模型的构建步骤包括:步骤1:处理训练集,将图片数据集格式转化为适合YOLOv5训练的xml格式,并将之划分为训练集和测试集两大部分;步骤2:搭建PyTorch深度学习框架,其中深度学习模型的配置利用YOLOv5算法,步骤包括:步骤3:修改YOLOv5网络;步骤4:训练网络;步骤5:利用训练好的模型进行探测detect操作,从而得到基于模型轻量化的目标检测方法模型。本方法通过多种措施修改YOLOv5网络,使模型轻量化,适于嵌入到芯片上。

    基于双向衰减损失的行人跌倒检测方法

    公开(公告)号:CN116343074A

    公开(公告)日:2023-06-27

    申请号:CN202211622354.0

    申请日:2022-12-16

    摘要: 一种基于双向衰减损失的行人跌倒检测方法,首先采集行人图像,然后对行人图像中行人跌倒状态进行检测。对行人图像进行检测是采用行人跌倒检测网络,该检测网络的构建方法为:以YOLOX目标检测网络作为基础网络,在其检测头中加入角度维度来旋转检测框,并使用双向衰减损失函数作为回归损失函数;骨干网络和特征传递结构继续沿用YOLOX的结构;设计所述双向衰减损失函数的方法是先在检测到的人体检测框中,将两个旋转矩形框转换为高斯分布,采用高斯相乘的结果度量旋转角度偏差;再结合向量公式,通过投影向量的长度反映偏移量的偏移距离偏差和偏移角度偏差。本方法的检测效率明显高于现有的检测方法,使行人跌倒的检测具有可实施性。