[发明专利]一种基于YOLOv5算法的图像欺诈检测方法

权利要求书

1.一种基于YOLOv5算法的图像欺诈检测方法，其特征在于，包括以下步骤：

步骤S1：摄像头采集行车图像；

步骤S2：截取交通标识牌，并将交通标识牌传输至图像数据处理单元；

步骤S3：图像数据处理单元通过YOLOv5算法对采集的交通标识牌进行处理并识别；

步骤S4：图像识别网络获取识别结果并进行判断；

步骤S5：图像识别网络根据判断结果，做出决策。

2.根据权利要求1所述的一种基于YOLOv5算法的图像欺诈检测方法，其特征在于，所述YOLOv5算法针对不同的数据集，设定初始长宽的锚框，在模型训练中，在初始锚框的基础上输出预测框，进而和ground truth进行对比，计算两者差距，再反向更新迭代模型参数。

3.根据权利要求2所述的一种基于YOLOv5算法的图像欺诈检测方法，其特征在于，所述YOLOv5算法包括Focus模块、BottleNeck模块、CSP模块和SPPF模块；

所述Focus模块在图像进入backbone前对图片进行切片，将得到的新图片再经过卷积操作，最终得到没有信息丢失情况下的二倍下采样特征图；

所述BottleNeck模块包含带残差块和不带残差块两种结构，不带残差块的结构仅由11conv和33conv组成；

所述CSP模块包含CSP1_X结构、CSP2_X结构和C3_1_X结构，所述CSP1_X结构应用于Backbone主干网络，所述CSP2_X结构应用于Neck中，所述C3_1_X结构剥离一个1*1的conv层、BN层和激活层；

所述SPPF模块将输入串行通过两个以上5*5大小的MaxPool层。

4.根据权利要求3所述的一种基于YOLOv5算法的图像欺诈检测方法，其特征在于，所述YOLOv5算法在Head输出端使用了CIOU_LOSS做Bounding box的损失函数，公式为：

5.根据权利要求4所述的一种基于YOLOv5算法的图像欺诈检测方法，其特征在于，所述YOLOv5算法对mask为true的位置计算对应预测框与目标框的CIOU，使用CIOU作为该预测框的置信度标签，对mask为false的位置直接赋0。

6.根据权利要求5所述的一种基于YOLOv5算法的图像欺诈检测方法，其特征在于，所述CIOU的计算公式为：