[发明专利]一种基于YOLOv5的旋转目标检测方法

权利要求书

1.一种基于YOLOv5的旋转目标检测算法，其特征在于，包括以下步骤：

(1)、接收输入图像，数据加载模块对所述输入图像进行数据增强；

(2)、选择不同的旋转目标检测算法；

(3)、在步骤(2)中选择坐标偏移量回归算法，在YOLOv5的backbone后面添加Attention-Net模块，进行特征的提取；

(4)、在提取到的特征图上进行坐标偏移量旋转目标预测；

(5)、训练时结合YOLOv5的损失函数，并加入偏移量损失函数以及Attention-Net模块的损失函数；

(6)、将预测得到的目标框进行旋转目标后处理，最后得到检测结果；

(7)、在步骤(2)中选择旋转Anchor检测算法，数据直接YOLOv5的backbone进行特征提取；

(8)、在提取到的特征图上做旋转Anchor目标预测；

(9)、训练时改进YOLOv5的水平框损失函数，将其改为旋转框的损失函数；

(10)、将预测得到的目标框进行旋转目标后处理，最后得到检测结果。

2.根据权利要求1所述的基于YOLOv5的旋转目标检测算法，其特征在于，所述步骤(1)实现过程如下：

提出label扰动的数据增强方法具体包括：

对训练标签的生成可以将标注点坐标值进行一定范围内的波动，标注点的波动范围是按照目标像素大小决定的。

3.根据权利要求1所述的基于YOLOv5的旋转目标检测算法，其特征在于，所述步骤(3)实现过程如下：

在YOLOv5的backbone后面添加Attention-Net，Attention-Net结构的作用是去除或者减小特征图中的噪声，使得特征图中的目标与目标之间、目标与背景之间的边界更加清晰。

4.根据权利要求1所述的基于YOLOv5的旋转目标检测算法，其特征在于，所述步骤(5)实现过程如下：

在YOLOv5损失函数的基础上，新加入偏移量损失函数以及Attention-Net模块的损失函数：

其中loff表示偏移量损失函数，latt表示Attention-Net的损失函数；

λ_coord和λ_att分别表示偏移量损失和Attention-Net损失的权重系数，S表示特征图一条边的长度，即特征图上一条边的格点数，B表示每个格点上需要预测的Anchor数目，表示特征图上第i个格点第j个Anchor里面是否有目标，有就是1，否则是0，smooth_l1表示一种常用的目标框回归损失函数，α1^*，α2^*，α3^*，α4^*分别表示4个偏移量的真实值与预测值的差值，h和w表示特征图的宽和高，BCE表示二元交叉损失函数，u_i，j，u′_i，j表示Attention-Net结构中上面一条分支的特征图对应的真实值和预测值。

5.根据权利要求1所述的基于YOLOv5的旋转目标检测算法，其特征在于，所述步骤(8)实现过程如下：

增加6种不同角度的旋转Anchor，再加上YOLOv5原有的3种尺寸的Anchor，总共每个格点会生成18种带旋转角度的Anchor，可以更好地匹配带有旋转角的真实框。