standard download
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210446348.8 (22)申请日 2022.04.26 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市灵川 县灵田镇桂林电子科技大 学花江校区 (72)发明人 赵雪梅 刘全 (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 专利代理师 陈光磊 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于类内类间相关性的YOLOv5神经网络改 进方法 (57)摘要 本发明提供了基于类内类间相关性的 YOLOv5神经网络改进方法, 包括如下步骤: 通过 YOLOv5网络模型得到 特征图和预测框, 再根据输 入图像、 特征图和预测框计算目标光谱信息和梯 度信息; 利用全 连接网络从目标光谱和梯度信息 中抽象目标本质特征并将其表 示为一个向量; 通 过计算两个向量之间的距离测度表征不同目标 特征之间的差异; 结合YOLOv5损失函数, 构建基 于类内类间测度差异的损失函数训练网络模型, 迫使网络学习能够学习有利于区分不同目标的 普适性特征。 本发明在网络原损失函数的基础上 加入基于类内类间相关性的损失函数来约束, 加 强了网络对物体的分类能力, 提高模型的精度。 权利要求书2页 说明书4页 附图1页 CN 114708488 A 2022.07.05 CN 114708488 A 1.基于类内类间相关性的YOLOv5神经网络改进方法, 其特 征在于, 包括以下步骤: 根据预测框获得目标光谱信息和目标梯度信息; 利用全连接网络从目标光谱信息和目标梯度信息中抽象目标本质特征并将其表示为 一个向量, 即每一类由一个向量表示; 通过计算两个向量之间的距离测度表征不同目标 特征之间的差异; 结合YOLOv5损失函数, 构建基于类内类间测度差异的损失函数训练网络模型, 迫使网 络学习能够学习有利于区分不同目标的普适 性特征。 2.根据权利要求1所述的基于类内类间相关性的YOLOv5神经网络改进方法, 其特征在 于, 获得目标光谱信息的方法为: 获得网络训练得到的预测框和特 征图; 对预测框内的数据做均值和方差计算, 获得目标光谱信息 。 3.根据权利要求2所述的基于类内类间相关性的YOLOv5神经网络改进方法, 其特征在 于, 获得目标梯度信息的方法为: 获得输入图像和网络训练得到的预测框; 基于所述输入图像, 获得包 含梯度信息的图; 将所述预测框放置在所述包 含梯度信息的图上; 对放置在所述包含梯度信 息的图上的预测框内的数据做均值和方差计算, 获得目标梯 度信息。 4.根据权利要求1所述的基于类内类间相关性的YOLOv5神经网络改进方法, 其特征在 于, 对向量进行比较包括类内差异和类间差异; 计算类内差异的方法为: 计算两次迭代的向量的距离测度即可得到不同图像同一目标 的类内差异; 计算类间差异 的方法为: 对存在同类目标的差异 的迭代中, 将当前类与之前迭代所保 存下来的所有其 他类的向量计算距离测度即可表征不同目标 特征之间的差异。 5.根据权利要求4所述的基于类内类间相关性的YOLOv5神经网络改进方法, 其特征在 于, 获得类内类间差异的计算公式为 余弦相似度Sa,b: 其中, 在某一次迭代中某一类出现了新向量, 在计算类内差异中, 该次迭代的新向量为 公式(1)的A, B为之前迭代 生成的与 A同类的旧向量; 计算类间差异中, 该次迭代的存在类内 差异的新向量 为公式(1)的A, B为之前迭代所保存下来的所有其 他类的向量。 6.根据权利要求1所述的基于类内类间相关性的YOLOv5神经网络改进方法, 其特征在 于, 基于目标信息的损失函数的表达式为: 权 利 要 求 书 1/2 页 2 CN 114708488 A 2其中, 以及 为用公式(1)计算得到的类内类间差异, 为类内差异, 为 类间差异, a为某一次迭代中某一类的新向量, a0为之前迭代生成的与a同类的旧向量, bm为 之前迭代所保存下来的所有其他类的向量, n为之前迭代所保存下来的所有其他类的向量 的个数, j为某次迭代中所计算出的新向量中的种类, 与之前计算的旧向量中的种类相同的 个数。 7.根据权利要求1所述的基于类内类间相关性的YOLOv5神经网络改进方法, 其特征在 于, 将所述基于目标信息的损失函数与YOLOv5神经网络自身的二元交叉熵损失函数和CIOU 损失函数相结合的方法为: loss=LYOLOv5+λLintra‑inter 其中, λ是调节参数。权 利 要 求 书 2/2 页 3 CN 114708488 A 3
专利 基于类内类间相关性的YOLOv5神经网络改进方法
文档预览
中文文档
8 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共8页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-24 01:00:07
上传分享
举报
下载
原文档
(376.3 KB)
分享
友情链接
T-SISTB 006—2021 现代物业管理评价指标体系1.0.pdf
GB-T 27912-2011 金融服务 生物特征识别 安全框架.pdf
GB-T 35680-2017 液体材料微波频段使用开口同轴探头的电磁参数测量方法.pdf
GB-T 39590.1-2020 机器人可靠性 第1部分:通用导则.pdf
T-CHEAA 0018—2021 家用和类似用途洗地机.pdf
GB-Z 41313-2022 金刚石圆锯片基体.pdf
DB42-T 953-2014 “鄂引3号”狗牙根栽培技术规程 湖北省.pdf
T-CI 072—2023 绿色低碳乡村建设及评价技术指南.pdf
SN-T 1657.1-2007 进出口电动工具检验规程 第1部分:通用要求.pdf
GB-T 14812-2008 热管传热性能试验方法.pdf
DB34-T 3606-2020 电子政务外网市县网络总体构架设计规范 安徽省.pdf
GB-T 29299-2012 半导体激光测距仪通用技术条件.pdf
GB-T 22939.6-2008 家用和类似用途电器包装 电冰箱的特殊要求.pdf
全知科技数据安全治理之数据安全风险评估白皮书.pdf
IIS服务器安全配置基线.doc
奇安信 2020年网络安全应急响应分析报告 2021.pdf
GB-T 31052.8-2016 起重机械 检查与维护规程 第8部分:铁路起重机.pdf
商用密码应用安全性评估管理办法(征求意见稿).pdf
GB-T 5907.5-2015 消防词汇 第5部分:消防产品.pdf
DB5104-T 54.2-2022 节能改造技术规范 第2部分:风机系统 攀枝花市.pdf
1
/
8
评价文档
赞助2.5元 点击下载(376.3 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。