公开(公告)号：CN114187576A

公开(公告)日：2022-03-15

申请号：CN202111505215.5

申请日：2021-12-10

Applicant: 杭州电子科技大学

Inventor： 经钦杨 ,  王翔 ,  李东辉 ,  贾刚勇 ,  顾人舒 ,  王泽斌

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/762 ,  G06K9/62

Abstract: 本发明公开了一种面向交通标志检测的小目标增强优化方法。本发明方法包含两部分的内容：采用基于优先度的小目标增强的策略进行数据增强。针对以往小目标增强无视各类型目标分布差异统一增强导致效果不佳的问题，采用基于优先度的小目标增强的策略进行数据增强，对小目标数据集进行针对性的增强。采用最优锚框宽高聚类优化训练数据。针对模型获取正样本时只关注比较大的样本、忽略小目标的问题，以及单纯以目标宽高进行聚类获取锚框初始值导致训练数据不合理的问题。采用最优锚框宽高聚类配合增强数据集优化训练数据。通过本发明提出的方法，最终可以提升小目标交通标志的检测精度以及整体检测精度。

公开(公告)号：CN112784694A

公开(公告)日：2021-05-11

申请号：CN202011632422.2

申请日：2020-12-31

Applicant: 杭州电子科技大学

Inventor： 沈雷 ,  王方杰 ,  李东辉

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于EVP_YOLO的室内物品检测方法。本发明包括以下步骤：S1、构建EVP_YOLO的主体网络，主体网络拥有五个特征层和一个池化层，每个特征层都采用回流残差结构；S2、对完成卷积的结果标准化处理后送入激活函数中；S3、对激活函数输出值进行标签平滑处理：S4、训练网络模型；S5、对训练好的网络模型输入测试数据，进行自动目标检测。本发明以神经网络为基础搭建出层数更多结构更加完善的目标识别算法EVP_YOLO。经测试证明此模型对室内的小件物品识别度明显增高，检测结果的准确率也较为理想。