本發(fā)明專利技術(shù)涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，提供YOLO模型的垃圾檢測方法、系統(tǒng)、設(shè)備、產(chǎn)品及介質(zhì)，包括獲取檢測數(shù)據(jù)集，對檢測數(shù)據(jù)集進(jìn)行重分類，得到分類集；選取骨干網(wǎng)絡(luò)，構(gòu)建特征提取卷積模塊，將特征提取卷積模塊嵌入骨干網(wǎng)絡(luò)中；選取頸部網(wǎng)絡(luò)，構(gòu)建SAC?Net模塊，將SAC?Net模塊嵌入頸部網(wǎng)絡(luò)中，并將頸部網(wǎng)絡(luò)與骨干網(wǎng)絡(luò)連接；構(gòu)建包括EIOU損失函數(shù)的邊界框損失模塊，通過邊界框損失模塊構(gòu)建檢測頭，并將檢測頭與頸部網(wǎng)絡(luò)連接；構(gòu)建包括骨干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和檢測頭的初始分類模型；根據(jù)分類集對初始分類模型進(jìn)行配置，對初始分類模型進(jìn)行訓(xùn)練，得到目標(biāo)分類模型。本發(fā)明專利技術(shù)有效提升了分類模型分類的準(zhǔn)確率。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及計(jì)算機(jī)視覺，尤其涉及yolo模型的垃圾檢測方法、系統(tǒng)、設(shè)備、產(chǎn)品及介質(zhì)。
技術(shù)介紹
1、隨著城市化進(jìn)程加快，垃圾堆放區(qū)域遍布全球，對生態(tài)環(huán)境產(chǎn)生了一定程度的威脅，因此對垃圾進(jìn)行準(zhǔn)確實(shí)時檢測的需求日益凸顯，從而對垃圾檢測技術(shù)提出了更高的要求。近年來，隨著計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展，其在各大領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響，目標(biāo)檢測技術(shù)作為其中的關(guān)鍵組成部分，其研究也獲得了飛速的發(fā)展。目標(biāo)檢測技術(shù)能夠自動識別和定位圖像中的特定物體，可以實(shí)現(xiàn)對野外垃圾的自動識別、定位和數(shù)量統(tǒng)計(jì)。
2、垃圾檢測的過程中面臨一些獨(dú)特挑戰(zhàn)，如形狀不規(guī)則、顏色多樣、背景復(fù)雜等，目前所使用的方法包括單階段算法和多階段算法；多階段算法首先通過選擇性搜索生成候選框，再基于候選框進(jìn)行分類預(yù)測，其雖然具有較好的精度，但是由于需要分別生成候選框與分類網(wǎng)絡(luò)，因此其計(jì)算復(fù)雜度高，訓(xùn)練耗時，且對小目標(biāo)的檢測效果不佳。單階段目標(biāo)檢測算法具有簡單、直接、易于實(shí)現(xiàn)等優(yōu)點(diǎn)。但也具有一些缺點(diǎn)與不足，首先是對小目標(biāo)的檢測容易出現(xiàn)誤檢和漏檢，相比于其他算法，其對目標(biāo)的定位精度也相對較低。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)旨在至少解決相關(guān)技術(shù)中存在的技術(shù)問題之一。為此，本專利技術(shù)提供yolo模型的垃圾檢測方法、系統(tǒng)、設(shè)備、產(chǎn)品及介質(zhì)，實(shí)現(xiàn)對圖像中的垃圾進(jìn)行自動識別、檢測、定位與分類。
2、本專利技術(shù)提供yolo模型的垃圾檢測方法，包括：
3、s1：獲取檢測數(shù)據(jù)集，對所述檢測數(shù)據(jù)集進(jìn)行重分類，得到分類集；
<
p>4、s2：選取骨干網(wǎng)絡(luò)，構(gòu)建conv卷積模塊、空間特征提取模塊和通道特征提取模塊，通過所述conv卷積模塊、所述空間特征提取模塊和所述通道特征提取模塊構(gòu)建特征提取卷積模塊，并將所述特征提取卷積模塊嵌入所述骨干網(wǎng)絡(luò)中；5、s3：選取頸部網(wǎng)絡(luò)，構(gòu)建第一特征圖模塊和第二特征圖模塊，通過所述第一特征圖模塊和所述第二特征圖模塊構(gòu)建sac-net模塊，將所述sac-net模塊嵌入所述頸部網(wǎng)絡(luò)中，并將所述頸部網(wǎng)絡(luò)與所述骨干網(wǎng)絡(luò)連接；
6、s4：構(gòu)建包括eiou損失函數(shù)的邊界框損失模塊，通過所述邊界框損失模塊構(gòu)建檢測頭，并將所述檢測頭與所述頸部網(wǎng)絡(luò)連接；構(gòu)建包括所述骨干網(wǎng)絡(luò)、所述頸部網(wǎng)絡(luò)和所述檢測頭的初始分類模型；
7、s5：根據(jù)所述分類集對所述初始分類模型進(jìn)行配置，通過所述分類集對所述初始分類模型進(jìn)行訓(xùn)練，得到目標(biāo)分類模型，通過所述目標(biāo)分類模型進(jìn)行垃圾檢測。
8、根據(jù)本專利技術(shù)提供的yolo模型的垃圾檢測方法，步驟s1進(jìn)一步包括：
9、s11：獲取所述檢測數(shù)據(jù)集，對所述檢測數(shù)據(jù)集中的目標(biāo)特征進(jìn)行分析、歸納，得到相似目標(biāo)特征；
10、s12：根據(jù)所述相似目標(biāo)特征對所述檢測數(shù)據(jù)集進(jìn)行重分類，得到分類集。
11、根據(jù)本專利技術(shù)提供的yolo模型的垃圾檢測方法，步驟s2進(jìn)一步包括：
12、s21：確定精度需求，根據(jù)所述精度需求選取所述骨干網(wǎng)絡(luò)；
13、s22：構(gòu)建所述conv卷積模塊、所述空間特征提取模塊和所述通道特征提取模塊，通過所述conv卷積模塊、所述空間特征提取模塊和所述通道特征提取模塊構(gòu)建特征提取卷積模塊；其中，所述conv卷積模塊、所述空間特征提取模塊和所述通道特征提取模塊順次連接；所述conv卷積模塊中分別進(jìn)行一次conv卷積和多次conv卷積；所述空間特征提取模塊通過依次進(jìn)行標(biāo)準(zhǔn)化、歸一化和分離重構(gòu)抑制空間冗余，所述空間特征提取模塊通過逐點(diǎn)卷積、分組卷積池化和softmax變換提取空間特征；
14、s23：確定骨干網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)所述骨干網(wǎng)絡(luò)結(jié)構(gòu)，將所述特征提取卷積模塊嵌入到所述骨干網(wǎng)絡(luò)中。
15、根據(jù)本專利技術(shù)提供的yolo模型的垃圾檢測方法，步驟s3進(jìn)一步包括：
16、s31：確定語義信息豐度需求和位置信息精度需求，根據(jù)所述語義信息豐度需求和所述位置信息精度需求選取所述頸部網(wǎng)絡(luò)；構(gòu)建所述第一特征圖模塊和所述第二特征圖模塊；
17、s32：通過所述第一特征圖模塊和所述第二特征圖模塊構(gòu)建所述sac-net模塊，其中，所述第一特征圖模塊的輸入端和所述第二特征圖模塊的輸入端連接，所述第一特征圖模塊的輸出端和所述第二特征圖模塊的輸出端連接；將所述sac-net模塊嵌入所述頸部網(wǎng)絡(luò)中；所述第一特征圖模塊中包括全局平均池化和sigmoid函數(shù)映射，所述第二特征圖模塊包括標(biāo)準(zhǔn)化和sigmoid函數(shù)映射；
18、s33：確定所述骨干網(wǎng)絡(luò)中各層的骨干網(wǎng)絡(luò)圖像尺寸和所述頸部網(wǎng)絡(luò)中各層的頸部網(wǎng)絡(luò)圖像尺寸，根據(jù)所述骨干網(wǎng)絡(luò)圖像尺寸和所述頸部網(wǎng)絡(luò)圖像尺寸，將所述頸部網(wǎng)絡(luò)與所述骨干網(wǎng)絡(luò)連接。
19、根據(jù)本專利技術(shù)提供的yolo模型的垃圾檢測方法，步驟s4進(jìn)一步包括：
20、s41：構(gòu)建eiou損失函數(shù)，通過所述eiou損失函數(shù)構(gòu)建邊界框損失模塊；
21、s42：通過所述邊界框損失模塊構(gòu)建所述檢測頭，根據(jù)所述頸部網(wǎng)絡(luò)的結(jié)構(gòu)將所述檢測頭與所述頸部網(wǎng)絡(luò)連接；
22、s43：選定分類模型架構(gòu)，根據(jù)所述分類模型架構(gòu)構(gòu)建包括所述骨干網(wǎng)絡(luò)、所述頸部網(wǎng)絡(luò)和所述檢測頭的所述初始分類模型。
23、根據(jù)本專利技術(shù)提供的yolo模型的垃圾檢測方法，所述分類模型架構(gòu)為yolov5模型架構(gòu)。
24、本專利技術(shù)還提供yolo模型的垃圾檢測系統(tǒng)，包括：
25、分類集模塊：用于獲取檢測數(shù)據(jù)集，對所述檢測數(shù)據(jù)集進(jìn)行重分類，得到分類集；
26、骨干網(wǎng)絡(luò)模塊：用于選取骨干網(wǎng)絡(luò)，構(gòu)建conv卷積模塊、空間特征提取模塊和通道特征提取模塊，通過所述conv卷積模塊、所述空間特征提取模塊和所述通道特征提取模塊構(gòu)建特征提取卷積模塊，并將所述特征提取卷積模塊嵌入所述骨干網(wǎng)絡(luò)中；
27、頸部網(wǎng)絡(luò)模塊：用于選取頸部網(wǎng)絡(luò)，構(gòu)建第一特征圖模塊和第二特征圖模塊，通過所述第一特征圖模塊和所述第二特征圖模塊構(gòu)建sac-net模塊，將所述sac-net模塊嵌入所述頸部網(wǎng)絡(luò)中，并將所述頸部網(wǎng)絡(luò)與所述骨干網(wǎng)絡(luò)連接；
28、檢測頭模塊：用于構(gòu)建包括eiou損失函數(shù)的邊界框損失模塊，通過所述邊界框損失模塊構(gòu)建檢測頭，并將所述檢測頭與所述頸部網(wǎng)絡(luò)連接；構(gòu)建包括所述骨干網(wǎng)絡(luò)、所述頸部網(wǎng)絡(luò)和所述檢測頭的初始分類模型；
29、目標(biāo)分類模型模塊：用于根據(jù)所述分類集對所述初始分類模型進(jìn)行配置，通過所述分類集對所述初始分類模型進(jìn)行訓(xùn)練，得到目標(biāo)分類模型，通過所述目標(biāo)分類模型進(jìn)行垃圾檢測。
30、本專利技術(shù)還提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如上述任一種所述yolo模型的垃圾檢測方法的步驟。
31、本專利技術(shù)還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如上述任一種所述yolo模型的垃圾檢測方法的步驟。
32、本專利技術(shù)還提供一種計(jì)算機(jī)程序產(chǎn)品，所本文檔來自技高網(wǎng)
...
【技術(shù)保護(hù)點(diǎn)】
1.YOLO模型的垃圾檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的YOLO模型的垃圾檢測方法，其特征在于，步驟S1進(jìn)一步包括：
3.根據(jù)權(quán)利要求1所述的YOLO模型的垃圾檢測方法，其特征在于，步驟S2進(jìn)一步包括：
4.根據(jù)權(quán)利要求1所述的YOLO模型的垃圾檢測方法，其特征在于，步驟S3進(jìn)一步包括：
5.根據(jù)權(quán)利要求1所述的YOLO模型的垃圾檢測方法，其特征在于，步驟S4進(jìn)一步包括：
6.根據(jù)權(quán)利要求5所述的YOLO模型的垃圾檢測方法，其特征在于，所述分類模型架構(gòu)為YOLOv5模型架構(gòu)。
7.YOLO模型的垃圾檢測系統(tǒng)，用于執(zhí)行如權(quán)利要求1至6任一項(xiàng)所述的YOLO模型的垃圾檢測方法，其特征在于，包括：
8.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的YOLO模型的垃圾檢測方法的步驟。
9.一種非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的YOLO模型的垃圾檢測方法的步驟。
10.一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括存儲在非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)上的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括程序指令，其特征在于，當(dāng)所述程序指令被計(jì)算機(jī)執(zhí)行時，計(jì)算機(jī)能夠執(zhí)行如權(quán)利要求1至6任一項(xiàng)所述的YOLO模型的垃圾檢測方法的步驟。
...
【技術(shù)特征摘要】
1.yolo模型的垃圾檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的yolo模型的垃圾檢測方法，其特征在于，步驟s1進(jìn)一步包括：
3.根據(jù)權(quán)利要求1所述的yolo模型的垃圾檢測方法，其特征在于，步驟s2進(jìn)一步包括：
4.根據(jù)權(quán)利要求1所述的yolo模型的垃圾檢測方法，其特征在于，步驟s3進(jìn)一步包括：
5.根據(jù)權(quán)利要求1所述的yolo模型的垃圾檢測方法，其特征在于，步驟s4進(jìn)一步包括：
6.根據(jù)權(quán)利要求5所述的yolo模型的垃圾檢測方法，其特征在于，所述分類模型架構(gòu)為yolov5模型架構(gòu)。
7.yolo模型的垃圾檢測系統(tǒng)，用于執(zhí)行如權(quán)利要求1至6任一項(xiàng)所述的yolo模型的垃圾檢測方...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張曉宇，洪紫薇，檀盼龍，
申請(專利權(quán))人：南開大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。