公开(公告)号：CN116935337A

公开(公告)日：2023-10-24

申请号：CN202310867976.8

申请日：2023-07-17

Applicant: 东北大学秦皇岛分校

Inventor： 王健康 ,  闫冬梅 ,  王正松

IPC: G06V20/54 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于CSA(CoordinateSpatialAttention)注意力机制和C3_SAC的YOLOv5网络的交通多目标检测方法，首先使用可切换空洞卷积(SAC)替换C3中Bottleneck残差模块中的卷积结构组成新的backbone网络结构，使backbone提取特征信息更准确，同时扩大卷积感受野，适应不同尺度特征；然后在CA注意力机制的基础上结合SA注意力机制，并把改进的CSA注意力机制分别加入到backbone网络的5，8，13层之后，增强网络对学习特征的表达能力；最后把YOLOv5中原有的Ciou损失函数替换为额外考虑角度损失的Siou损失函数。在Kitti交通开源数据集上进行实验，改进YOLOv5模型相较于原始的YOLOv5模型的Precision提升了5.7％，mAP_0.5提升了1.9％，mAP_0.5:0.95提升了3.5％。结果表明，本发明提出改进的模型有效的实现了高精度的交通多目标检测。

公开(公告)号：CN119599933A

公开(公告)日：2025-03-11

申请号：CN202411081150.X

申请日：2024-08-08

Applicant: 东北大学秦皇岛分校

Inventor： 王健康 ,  王正松 ,  宋浩 ,  刘传宇

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明提供一种基于DRB轻量化模块和轻量化检测头的YOLOv8网络的路面缺陷检测方法，首先使用DRB轻量化模块融合到C2f模块中，替换C2f中Bottleneck残差模块中的卷积结构，构成C2f_DRB模块来组成YOLOv8的backbone网络，使backbone网络结构可以更好的提取特征信息，同时通过冲参数化，扩大卷积感受野，适应不同尺度特征；然后对YOLOv8的检测头进行改进，把原来参数量和计算量较高的头部中的CBS模块进行改进，选择参数量和计算量更低的组卷积和深度可分离卷积对CBS替换。在RDD2020路面缺陷数据集上进行实验，YOLOv8模型相较于原始的YOLOv8模型，提出改进后的网络C2f_DRB结构，网络的参数量减少了8.1％，计算量减少了8.4％，准确率提升了2.1％，改进后的检测头的网络的参数量减少了14.1％，计算量减少了24％。改进的模型整体有了一个较为明显的提升效果。结果表明，本发明提出改进的模型有效的减少了参数量和计算量，以及在准确性方面也有提高。