公开(公告)号：CN117036730A

公开(公告)日：2023-11-10

申请号：CN202310830575.5

申请日：2023-07-07

Applicant: 广东技术师范大学

Inventor： 单纯 ,  刘东平 ,  刘炽辉 ,  张梓一 ,  曾健 ,  黄业文

IPC: G06V10/44 ,  G06V10/82 ,  G06V10/764 ,  G06V10/77 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明计算机视觉技术领域，提出一种面向边端设备的轻量化目标检测方法及系统，其中包括以下步骤：构建基于yolov5网络的轻量化目标检测模型；所述轻量化目标检测模型包括PP‑LCNet主干网络、ECA注意力机制层和激活函数层；获取训练数据集并输入所述轻量化目标检测模型中进行训练；构建损失函数，通过最小化损失函数更新所述轻量化目标检测模型的参数，完成对所述轻量化目标检测模型的训练；将完成训练的所述轻量化目标检测模型移植于边端设备，将待检测图像输入完成训练的所述轻量化目标检测模型中得到目标检测结果。本发明具有轻量且精度较高的特点，可以有效应用到边端设备中，扩大边端设备的应用场景以及实用性。

公开(公告)号：CN116994114A

公开(公告)日：2023-11-03

申请号：CN202310797562.2

申请日：2023-06-30

Applicant: 广东技术师范大学

Inventor： 单纯 ,  张梓一 ,  李冕杰

IPC: G06V10/82 ,  G06V10/80 ,  G06V20/60 ,  G06V20/52 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0495 ,  G06N3/082

Abstract: 本发明公开了一种基于改进YOLOv8的轻量化家居小目标检测模型构建方法，方法包括以下步骤：S1，构建模型数据集；S2，初始化轻量主干网络；S3，将初始网络架构中的主干网络替换为轻量主干网络；S4，调整轻量主干网络的参数；S5，构建注意力模块，并将注意力模块连接到轻量主干网络的输出端；S6，将初始网络架构中的激活函数更改为GELU；S7，添加高分辨率预测头，最终得到改进后的模型；S8，训练改进后的模型；S9，加载并测试训练好的模型，保留性能最佳的模型作为最终模型。通过上述改进，使得模型在资源受限环境下具备更高的性能，并在小目标检测任务中具备更广泛的应用前景。