一种基于改进YOLOv5的小目标检测算法[发明专利].pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114241548 A (43)申请公布日 2022.03.25 (21)申请号 202111382559.1 (22)申请日 2021.11.22 (71)申请人 电子科技大学 地址 611731 四川省成都市高新区（西区） 西源大道2006号 (72)发明人 郭磊　薛伟　王邱龙　马海钰　 肖怒　马志伟　郭济　蒋煜祺　 (51)Int.Cl. G06V 40/16 (2022.01) G06N 3/04 (2006.01) G06N 3/08 (2006.01) 权利要求书3页 说明书6页 附图4页 (54)发明名称 一种基于改进YOLOv5的小目标检测算法 (57)摘要 本发明公开了一种基于改进YOLOv5的小目 标检测算法，所述方法包括：第一步，将采集到的 待测人脸口罩数据集使用Mosaic‑8数据增强，即 采用8张图片随机裁剪、随机排列、随机缩放，然 后组合成一张图片，同时合理引入一些随机噪 声。第二步，在YOLOv5特征融合网络中添加一个 新尺度的特征提取层，并调整YOLOv5网络的目标 框回归公式，改进损失函数。第三步，将增强后的 数据送入网络中进行迭代训练，并使用余弦退火 算法对学习率进行调整。第四步，训练完成后，将 待检测图片送入至训练后得到的最佳模型中，检 测目标类别及位置，最终得到识别结果。将改进 A 后的算法应用在密集人群情景下的防护面具佩 8 戴检测中，实验结果表明，相较于原始YOLOv5算 4 5 1 法，该算法在小目标检测上具有更强的特征提取 4 2 4 能力和更高的检测精度。 1 1 N C CN 114241548 A 权　利　要　求　书 1/3 页 1.一种基于改进YOLOv5的小目标检测算法，其特征在于，包括： 步骤一，对所收集到的人脸口罩数据集进行数据标注，并使用Mosaic‑8数据增强方法 对数据集进行数据增强。 步骤二，在YOLOv5特征融合网络中添加一个新尺度的特征提取层，并调整YOLOv5网络 的目标框回归公式，改进损失函数。将所得数据集中的图片进行特征提取与目标定位分类。 步骤三，将增强后的数据送入网络中进行迭代训练，并使用余弦退火算法对学习率进 行调整。 步骤四，训练完成后，将待检测图片送入至训练后得到的最佳模型中，检测目标类别及 位置，最终得到识别结果。 2.根据权利要求1所述的基于改进YOLOv5的小目标检测算法，其特征在于，本发明在原 有YOLOv5算法的基础上，分别从Mosaic‑8数据增强、特征提取器、损失函数和目标框回归四 个方面进行改进，有效地增强了YOLOv5网络模型对小目标物体的检测精度，改进后的算法 检测速率相较于原始YOLOv5算法有所降低，但仍能满足实时性的要求，可以直接应用在自 动驾驶、医学图像、遥感图像分析和红外图像中的小目标检测等实际生活场景中。并且在密 集人群口罩佩戴检测效果中表现突出，检测精度有明显上升，在人群密集的条件下误判和 漏检的情况明显减少，对小目标异常角度、人脸区域存在遮挡的鲁棒性明显提升。 3.根据权利要求1所述的基于改进YOLOv5的小目标检测算法，其特征在于，本文数据集 来源于WIDER FACE、MAPA(Masked Faces)这两个公开数据集和网络，从中手动筛选出含有 多人场景下的佩戴口罩和未佩戴口罩的人脸图片，并对所收集到的人脸口罩数据集进行数 据标注，最终得到训练集4000张，测试集1320张，共计5320张。 4.根据权利要求3所述的对所收集到的人脸口罩数据集进行数据标注，其特征在于，利 用标记软件LabelImg对数据集进行YOLO格式的标注