一种基于改进YOLOv5的目标识别检测方法技术

本发明专利技术提供了一种基于改进YOLOv5的目标识别检测方法，属于目标检测领域，包括：采集目标图像样本数据，构建样本数据集；对样本数据集进行扩容处理，得到待识别数据集；对目标检测算法YOLOv5进行改进，获得改进的目标检测算法YOLOv5，具体包括：优化目标锚框、添加协调注意力机制CA及特征融合BiFP；利用改进的目标检测算法YOLOv5对待识别数据集中的图像信息进行识别，获得识别结果。该方法采用改进的目标检测算法YOLOv5不仅提升了一般情况下的生猪个体识别准确率，还改善了在生猪密集以及远距离小目标情境下的检测性能。离小目标情境下的检测性能。离小目标情境下的检测性能。

【技术实现步骤摘要】
一种基于改进YOLOv5的目标识别检测方法


[0001]本专利技术属于目标检测
，具体涉及一种基于改进YOLOv5的目标识 别检测方法。

技术介绍

[0002]随着现代养殖业的发展，生猪生产管理日趋福利化、系统化、智能化，而 精准识别生猪个体是其中重要的一环。传统生猪个体识别主要有涂抹颜料、烙 印、佩戴耳标、射频识别(radio frequency identification，RFID)等方式。其中， 涂抹颜料、烙印、佩戴耳标都有标记脱落以及感染等问题，不利于生猪的生产 管理。射频识别则是成本高并且信号易受到金属物质的干扰。
[0003]近年来随着机器学习的发展，当代养殖业逐渐采用神经网络对生猪个体进 行非入侵式识别。其中应用到猪脸识别的神经网络主要有：Marsort等搭建了 基于卷积神经网络的自适应猪脸识别方法，准确率达到了83％；何屿彤等提出 基于改进YOLOv3的猪脸识别，准确率达到90.12％；Hansen等提出基于卷积、 最大池化以及密连等结构的CNN模型，在猪脸识别效果上有所提升。燕红文 等提出改进Tiny
‑
YOLO模型的生猪脸部姿态识别方法，准确率达到了82.38％； Eric T.Psota等搭建一种全卷积神经网络对生猪进行实例分割，准确率达到了 91％。这些非侵入式方法体现了生猪生产的福利化，但是在识别准确率方面有 待进一步的提升。
[0004]因此，本专利技术提出了一种基于改进YOLOv5的目标识别检测方法。

技术实现思路

[0005]为了克服上述现有技术存在的不足，本专利技术提供了一种基于改进YOLOv5 的目标识别检测方法。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于改进YOLOv5的目标识别检测方法，包括以下步骤：
[0008]采集目标图像样本数据，构建样本数据集；
[0009]对样本数据集进行扩容处理，得到待识别数据集；
[0010]对目标检测算法YOLOv5进行改进，获得改进的目标检测算法YOLOv5， 具体包括：
[0011]将K均值维度聚类算法K
‑
Means的欧氏距离改为1
‑
IOU，采用K
‑
Means 算法确定先验锚框，优化目标检测算法YOLOv5的目标锚框；
[0012]在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA；
[0013]采用BiFPN改进目标检测算法YOLOv5的双向跨尺度连接，并进行加权特 征融合，获得改进后的目标检测算法YOLOv5；
[0014]利用改进的目标检测算法YOLOv5对待识别数据集中的图像信息进行识 别，获得识别结果。
[0015]优选地，所述采集目标图像样本数据具体包括：通过远程控制系统操控摄 像头进
行旋转，实现分时采集，获得包含不同特征的图像样本数据。
[0016]优选地，所述对样本数据集进行扩容处理，包括以下步骤：
[0017]对样本数据集进行随机裁剪、随机偏移、Mosaic数据增强，并使用图片标 注工具labelImg手动对图像标框并赋标签名后保存，保存的XML文件包含了 目标图像的目标框坐标与类别信息；
[0018]将目标标签后的数据集划分为训练集与测试集样本；
[0019]所述Mosaic数据增强即把训练集中的多张实验图片图像拼凑成一张，用于 对改进后的目标检测算法YOLOv5进行训练。
[0020]优选地，在对样本数据集进行扩容处理前，对样本数据集进行筛选和整合。
[0021]优选地，所述在目标检测算法YOLOv5的主干网络中引入协调注意力机制 CA时，对全局池化的方式进行分解，转化为两个一维特征编码，具体包括：
[0022]首先给定输入图像X，使用尺寸为(H,1)以及(1,W)的平均池化分别沿着水平 坐标和垂直坐标对每个通道进行编码，H为坐标高度，W为坐标宽度；
[0023]高度为h和宽度为w的第c通道的输出分别表示为下式：
[0024][0025][0026]式中i和w分别为宽度和高度的变化量，上述2种变换分别沿两个空间方 向聚合特征，得到一对方向感知的特征图；
[0027]通过信息嵌入中的变换后，将输出的高度z
h
,和宽度z
w
进行拼接操作，并通 过1
×
1卷积F1运算，生成空间信息在垂直和水平方向的特征映射图，公式表示 如下：
[0028]f＝δ(F1([z
h
,z
w
]))
[0029]然后将f沿着空间信息分解为张量f
h
∈R
C/r
×
H
和张量f
w
∈R
C/r
×
W
；其中，δ是 系数，r是用来控制采样大小的缩减率，再对F
h
和F
w
进行1
×
1卷积变换分别将f
h
和f
w
变换为具有相同通道数的张量，公式表示如下：
[0030][0031][0032]上式中是sigmoid激活函数，同时通过合适的缩减比r降低f的通道数，
[0033]最后再将g
h
和g
w
进行扩展操作，分别作为注意力权重，以下式作为输出：
[0034][0035]优选地，所述采用BiFPN改进目标检测算法YOLOv5的双向跨尺度连接， 并进行加权特征融合，具体包括：
[0036]删除不相邻的两个融合特征网络中贡献不达标的节点即只有一条输入边而 没有特征融合的节点；
[0037]在所述不相邻的两个融合特征网络中间从原始输入到输出节点添加额外的 边；
[0038]将一对路径视为一个特征层，然后重复多次以得到更多高层特征融合。
[0039]优选地，在所述高层特征融合中通过快速归一化融合添加额外的权重。
[0040]优选地，所述利用改进的目标检测算法YOLOv5对待识别数据集中的图像 信息进行识别，具体包括：
[0041]将测试集样本输入改进后的目标检测算法YOLOv5，通过目标锚框对目标 图像进行检测，获得目标框；
[0042]通过主干网络提取目标框中的特征信息；
[0043]对特征信息进行加权特征融合，获得识别结果。
[0044]优选地，在利用改进的目标检测算法YOLOv5对待识别数据进行识别之前， 对改进的目标检测算法YOLOv5进行评估，评价指标包括：召回率Recall，简 称R；精度Precision，简称P；平均精度AP以及对所有类别的AP值求均值平 均精度MAP；
[0045]其中，TP为正确的目标检测个数，FN为漏检的目标个数，FP为虚检的 目标个数，具体公式表示如下：
[0046][0047][0048][0049]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv5的目标识别检测方法，其特征在于，包括以下步骤：采集目标图像样本数据，构建样本数据集；对样本数据集进行扩容处理，得到待识别数据集；对目标检测算法YOLOv5进行改进，获得改进的目标检测算法YOLOv5，具体包括：将K均值维度聚类算法K
‑
Means的欧氏距离改为1
‑
IOU，采用K
‑
Means算法确定先验锚框，优化目标检测算法YOLOv5的目标锚框；在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA；采用BiFPN改进目标检测算法YOLOv5的双向跨尺度连接，并进行加权特征融合，获得改进后的目标检测算法YOLOv5；利用改进的目标检测算法YOLOv5对待识别数据集中的图像信息进行识别，获得识别结果。2.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述采集目标图像样本数据具体包括：通过远程控制系统操控摄像头进行旋转，实现分时采集，获得包含不同特征的图像样本数据。3.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述样本数据集进行扩容处理，包括以下步骤：对样本数据集进行随机裁剪、随机偏移、Mosaic数据增强，并使用图片标注工具labelImg手动对图像标框并赋标签名后保存，保存的XML文件包含了目标图像的目标框坐标与类别信息；将目标标签后的数据集划分为训练集与测试集样本；所述Mosaic数据增强即把训练集中的多张实验图片图像拼凑成一张，用于对改进后的目标检测算法YOLOv5进行训练。4.根据权利要求3所述的基于改进YOLOv5的目标识别检测方法，其特征在于，在对样本数据集进行扩容处理前，对样本数据集进行筛选和整合。5.根据权利要求1所述的基于改进YOLOv5的目标识别检测方法，其特征在于，所述在目标检测算法YOLOv5的主干网络中引入协调注意力机制CA时，对全局池化的方式进行分解，转化为两个一维特征编码，具体包括：首先给定输入图像X，使用尺寸为(H,1)以及(1,W)的平均池化分别沿着水平坐标和垂直坐标对每个通道进行编码，H为坐标高度，W为坐标宽度；高度为h和宽度为w的第c通道的输出分别表示为下式：高度为h和宽度为w的第c通道的输出分别表示为下式：式中i和w分别为宽度和高度的变化量，上述2种变换分别沿两个空间方向聚合特征，得到一对方向感知的特征图；通过信息嵌入中的变换后，将输出的高度z
h
,和宽度z...

【专利技术属性】
技术研发人员：李广博，查文文，焦俊，陈成鹏，辜丽川，时国龙，马慧敏，陶亮，彭硕，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：