公开(公告)号：CN115909276A

公开(公告)日：2023-04-04

申请号：CN202211523931.0

申请日：2022-11-30

Applicant: 河南大学

Inventor： 渠慎明 ,  杨鑫钰 ,  刘苏晨 ,  周华飞 ,  段佳乐 ,  逯勇勇

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提出了一种基于改进YOLOv5的复杂天气下小交通标志目标检测方法，用于解决交通标志识别模型检测速度与识别精度不均衡以及受遮挡目标和小目标难以检测的问题；其步骤为：首先，加载交通标志图像的数据集，并对数据集中的图像进行数据增强；其次，构建改进的YOLOv5网络模型，并设置模型输入参数；然后利用数据增强后的交通标志图像数据对改进的YOLOv5网络模型进行训练，得到检测模型；最后，利用检测模型对待识别的图像进行预测，输出交通标志的位置以及交通标志所属的类别。本发明通过添加坐标注意力机制和小目标检测层提高了特征提取能力和检测效率，同时通过改进的损失函数进一步提高了对小目标检测的准确率。

公开(公告)号：CN114266900B

公开(公告)日：2024-07-05

申请号：CN202111558081.3

申请日：2021-12-20

Applicant: 河南大学

Inventor： 渠慎明 ,  杨鑫钰 ,  陈芳 ,  刘苏晨 ,  李涵 ,  段玉春 ,  刘强

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06V10/32 ,  G06T7/55 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明是一种基于动态卷积的单目3D目标检测方法，提出了基于深度图生成的动态卷积层，采用以RGB图像数据作为输入，然后采用densedepth网络生成深度图，将生成的深度图经过滤波器生成网络训练生成动态卷积层的卷积核，并将其运用到特征提取网络的动态卷积层中，使特征提取可以考虑到深度信息。将生成的最终特征图作为2D‑3D检测器的输入，预测得到2D、3D框坐标值，然后经过非极大值抑制和数据转换来完成2D、3D框回归以得到最终结果。本发明利用动态卷积网络代替传统的2D全卷积，动态卷积的卷积核由输入图像的深度图中自动学习。解决了不能同时利用了深度信息和语义信息的问题。提高了单目3D目标检测的精度。

公开(公告)号：CN114266900A

公开(公告)日：2022-04-01

申请号：CN202111558081.3

申请日：2021-12-20

Applicant: 河南大学

Inventor： 渠慎明 ,  杨鑫钰 ,  陈芳 ,  刘苏晨 ,  李涵 ,  段玉春 ,  刘强

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06V10/32 ,  G06K9/62 ,  G06T7/55 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于动态卷积的单目3D目标检测方法，提出了基于深度图生成的动态卷积层，采用以RGB图像数据作为输入，然后采用densedepth网络生成深度图，将生成的深度图经过滤波器生成网络训练生成动态卷积层的卷积核，并将其运用到特征提取网络的动态卷积层中，使特征提取可以考虑到深度信息。将生成的最终特征图作为2D‑3D检测器的输入，预测得到2D、3D框坐标值，然后经过非极大值抑制和数据转换来完成2D、3D框回归以得到最终结果。本发明利用动态卷积网络代替传统的2D全卷积，动态卷积的卷积核由输入图像的深度图中自动学习。解决了不能同时利用了深度信息和语义信息的问题。提高了单目3D目标检测的精度。