買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉哈爾濱工程大學(xué)申請的專利基于改進YOLOv7的全景圖像目標檢測方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116665007B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310391983.5，技術(shù)領(lǐng)域涉及：G06V10/82；該發(fā)明授權(quán)基于改進YOLOv7的全景圖像目標檢測方法及系統(tǒng)是由周文濤;蔡成濤;丁屹東;劉浩巖;王一帆設(shè)計研發(fā)完成，并于2023-04-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于改進YOLOv7的全景圖像目標檢測方法及系統(tǒng)在說明書摘要公布了：本申請公開了一種基于改進YOLOv7的全景圖像目標檢測方法及系統(tǒng)，方法包括以下步驟：采集真實全景視頻圖像，得到圖像數(shù)據(jù)集；對所述圖像數(shù)據(jù)集進行特征標注，構(gòu)建目標檢測數(shù)據(jù)集；改進YOLOv7網(wǎng)絡(luò)，構(gòu)建初始模型；基于所述目標檢測數(shù)據(jù)集對所述初始模型進行訓(xùn)練，得到全景圖像目標檢測模型；基于所述全景圖像目標檢測模型進行目標檢測。本申請能夠解決針對全景圖像特征研究，缺少數(shù)據(jù)的問題；還能解決針對全景圖像中目標過小，檢測不準的問題。

本發(fā)明授權(quán)基于改進YOLOv7的全景圖像目標檢測方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于改進YOLOv7的全景圖像目標檢測方法，其特征在于，包括以下步驟： 采集真實全景視頻圖像，得到圖像數(shù)據(jù)集； 對所述圖像數(shù)據(jù)集進行特征標注，構(gòu)建目標檢測數(shù)據(jù)集； 改進YOLOv7網(wǎng)絡(luò)，構(gòu)建初始模型； 基于所述目標檢測數(shù)據(jù)集對所述初始模型進行訓(xùn)練，得到全景圖像目標檢測模型； 基于所述全景圖像目標檢測模型進行目標檢測； 所述YOLOv7網(wǎng)絡(luò)的改進方法包括： 在主干網(wǎng)絡(luò)中添加第一ECA注意力模塊和ViT模塊； 在頸部網(wǎng)絡(luò)中添加第二ECA注意力模塊； 在頭部網(wǎng)絡(luò)添加小目標檢測層； ECA注意力模塊，對主輸入邊通過平均池化得到每個通道特征值，通道特征值使用1×1卷積核實現(xiàn)特征向量間的通道權(quán)值，經(jīng)歷sigmoid激活函數(shù)得到特征圖通道權(quán)值，與模塊輸入特征圖做乘法得到ECA模塊輸出特征圖，結(jié)構(gòu)圖中GAP為全局平均池化操作，K為一維卷積操作卷積核大小，公式如下： 公式中：為ECA模塊的輸出特征圖，Y為ECA模塊的輸入特征圖，sigmoid為激活操作，Conv1為1維卷積操作，AvgPool為全局平均池化操作； 主干網(wǎng)絡(luò)包含CBS結(jié)構(gòu)、E-ELAN結(jié)構(gòu)、MP1結(jié)構(gòu)、ViT結(jié)構(gòu)；其中CBS結(jié)構(gòu)由卷積模塊，歸一化模塊，SiLU激活函數(shù)構(gòu)成；E-ELAN結(jié)構(gòu)為在YOLOv7中原ELAN結(jié)構(gòu)基礎(chǔ)上,在輸入增加ECA注意力模塊；MP1結(jié)構(gòu)由最大池化模塊和步長為2的卷積，兩種下采樣方式重組構(gòu)成，在不破會結(jié)構(gòu)情況下增強網(wǎng)絡(luò)學(xué)習(xí)能力； 頸部網(wǎng)絡(luò)包含F(xiàn)PN結(jié)構(gòu)、PAN結(jié)構(gòu)、MP2結(jié)構(gòu)、E-ELAH-H結(jié)構(gòu)和SPPCCSPC結(jié)構(gòu)；其中FPN結(jié)構(gòu)是自上向下特征金字塔，利用上采用方式提高小目標檢測能力，PAN自下向上特征金字塔，利用下層信息傳遞給上層，提高對遮擋目標檢測能力，E-ELAN-H結(jié)構(gòu)為在YOLOv7中原ELAN-H結(jié)構(gòu)基礎(chǔ)上，在輸入增加ECA注意力模塊，SPPCCSPC結(jié)構(gòu)輸入特征圖通過三次CBS操作，三個最大池化操作使用concat操作結(jié)合，再經(jīng)過兩次CBS操作，與輸入使用concat操作結(jié)合，該模塊是YOLOv7原有模塊； 頭部網(wǎng)絡(luò)，YOLOv7框架將原圖像在送到特征檢測網(wǎng)絡(luò)前經(jīng)過8倍、16倍、32倍下采樣，得到20×20大目標檢測特征圖、40×40中目標特征檢測圖、80×80小目標特征檢測圖；在目標檢測算法中認為深層卷積雖具有豐富語義信息，但位置信息較少且部分小目標信息丟失；根據(jù)全景圖像目標多為小目標特點，在原算法基礎(chǔ)上增加一個新的尺度特征圖，原圖像經(jīng)過4倍、8倍、16倍、32倍下采樣，得到20×20大目標檢測特征圖、40×40中目標特征檢測圖、80×80小目標特征檢測圖、160×160小目標特征檢測圖，再送入檢測網(wǎng)絡(luò)中； 所述特征標注的方法包括： 對目標位置標簽進行分類； 將所述目標位置標簽的格式設(shè)置為中心點加高寬的YOLO格式標簽； 基于目標位置標簽對所述圖像數(shù)據(jù)集進行目標標注，得到目標檢測數(shù)據(jù)集； 所述訓(xùn)練的方法包括： 設(shè)置網(wǎng)絡(luò)訓(xùn)練的配置文件，并設(shè)置網(wǎng)絡(luò)訓(xùn)練的環(huán)境； 將所述目標檢測數(shù)據(jù)集按照預(yù)設(shè)比例劃分為訓(xùn)練集和測試集； 基于所述訓(xùn)練集對所述初始模型進行訓(xùn)練，得到訓(xùn)練后模型； 基于所述測試集對所述訓(xùn)練后模型進行測試，并通過目標檢測評價指標進行驗證，得到所述全景圖像目標檢測模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人哈爾濱工程大學(xué)，其通訊地址為：150001 黑龍江省哈爾濱市南崗區(qū)南通大街145號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。