CN114565959B 基于YOLO-SD-Tiny的目标检测方法及装置 （武汉东信同邦信息技术有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114565959B(45)授权公告日2025.07.11

(21)申请号202210152654.0

(22)申请日2022.02.18

(65)同一申请的已公布的文献号申请公布号CN114565959A

(43)申请公布日2022.05.31

(73)专利权人武汉东信同邦信息技术有限公司地址430073湖北省武汉市东湖新技术开

发区光谷大道特1号国际企业中心三期2栋2层03室(自贸区武汉片区)

(72)发明人周斌沈振冈李文豪李艳红

(74)专利代理机构武汉智权专利代理事务所(特殊普通合伙)42225

专利代理师张凯

(51)Int.CI.

GO6V40/16(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

李文豪等.基于轻量化网络的遮挡人脸检测.中南民族大学学报(自然科学版).2022,第41卷(第3期),全文.

审查员张华晶

权利要求书2页说明书8页附图2页

(54)发明名称

将YOLOV4-Tiny主干特征提取网络中最后一个CSP-Body和CBL中所采用的

将YOLOV4-Tiny主干特征提取网络中最后一个CSP-Body和CBL中所采用的

激活函数替换成Mish激活函数后，对待检测图片进行信息提取以获得有效特征层

根据特征金字塔网络FPN对有效特征层进行Self-DeConvolution上采样并输出

利用YOLOHead对上采样后的输出值进行预测

S1

S2

S3

(57)摘要

本发明公开了一种基于YOLO-SD-Tiny的目标检测方法及装置，涉及目标检测领域，该方法包括：将YOLOV4-Tiny主干特征提取网络中最后一个CSP-Body和CBL中所采用的激活函数替换成Mish激活函数后，对待检测图片进行信息提取以获得有效特征层；根据特征金字塔网络FPN对有效特征层进行Self-DeConvolution上采样并输出；利用YOLOHead对上采样后的输出值进行预测。本发明适用一般设备，特别适应算力较低的低性能设备，其可以提高目标检测的准确率和检

CN114565959

CN114565959B

CN114565959B权利要求书1/2页

2

1.一种基于YOLO-SD-Tiny的目标检测方法，其特征在于，该方法包括以下步骤：

将YOLOV4-Tiny主干特征提取网络中最后一个CSP-Body和CBL中所采用的激活函数替换成Mish激活函数后，对待检测图片进行信息提取以获得有效特征层；

根据特征金字塔网络FPN对有效特征层进行Self-DeConvolution上采样并输出；

利用YOLOHead对上采样后的输出值进行预测。

2.如权利要求1所述的一种基于YOL0-SD-Tiny的目标检测方法，其特征在于，所述根据特征金字塔网络FPN对有效特征层进行Self-DeConvolution上采样并输出，包括：

通过1×1卷积将形状为H×W×C的有效特征层F的通道数压缩到C,其中C为有效特征层F压缩后的通道数；

设定上采样率为o,基于压缩后的有效特征层F通过卷积⑨为输出特征层中的一点1预测一个与位置信息相关的上采样核，,其中?=(N(F?,kemcoe),N表示邻域；

将得到的核),通过加权求和算子reshape后得到,其中

,其中为输出特征层个中点1的特征图，0为加权求和算子，a=Lkacua12],karea为有效特征层F中一点的一个邻域，kencoder为比karea小一个区域的邻域；

将输出特征层中的点1映射回有效特征层F对应的点1,并取出以1为中心的karea×karea区域，和预测出的点1的上采样核.做点积得到输出值。

3.如权利要求2所述的一种基于YOL0-SD-Tiny的目标检测方法，其特征在于，在得到所述输出值后，还包括：

通过softmax归一化核6H×σW×karea×karea使得核权重和为1。

4.如权利要求1所述的一种基于YOL0-SD-Tiny的目标检测方法，其特征在于，利用YOL0Head对上采样后的输出值进行预测时，采用CIOU损失作为边界框回归损失。

5.如权利要求1所述的一种基于YOL0-SD-Ti