[发明专利]一种基于深度学习YOLOv5算法改进的多尺度目标检测网络在审
| 申请号： | 202211276632.1 | 申请日： | 2022-10-17 |
| 公开（公告）号： | CN115661593A | 公开（公告）日： | 2023-01-31 |
| 发明（设计）人： | 宋清昆;张文瀚 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06V10/80 | 分类号： | G06V10/80;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙江省*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 yolov5 算法 改进 尺度 目标 检测 网络 | ||
【权利要求书】：
1.一种基于深度学习YOLOv5算法改进的多尺度目标检测网络，其特征在于，所说网络总共有41层，其中第1、2、4、6、8、10、13、17、21、25、29、32、35、38层为Conv卷积模块，第3、5、7、9、11层为HS-Net模块。第12层为SPPF模块，第14、18、22、26为CARAFE模块，第16、20、24、28、31、34、37、40为C3模块。第15、19、23、27、40层为Concat模块，第30、33、36层Bifpn-hl模块。第41层为检测层。
2.如权利1所述的基于深度学习YOLOv5算法改进的多尺度目标检测网络，其特征在于，所述HS-Net模块按照由浅层至深层分别由3、6、9、3个HS-Block模块构成。
3.如权利1所述的基于深度学习YOLOv5算法改进的多尺度目标检测网络，其特征在于，第41层检测层由5个检测头构成。
4.如权利1所述的基于深度学习YOLOv5算法改进的多尺度目标检测网络，其特征在于，Bifpn-hl模块主要进行特征融合操作。Bifpn-hl模块特征融合操作是先沿通道维度进行Concat操作，然后再进行加权求和特征融合操作。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202211276632.1/1.html，转载请声明来源钻瓜专利网。
