[发明专利]基于YOLOv4改进算法的目标检测方法、装置及系统

权利要求书

1.一种基于YOLOv4改进算法的目标检测方法，其特征在于，包括：

获取YOLOv4-FCSPX网络结构，所述YOLOv4-FCSPX网络结构是通过对YOLOv4网络结构中CSPX的残差结构进行浅层到深层的融合构造而成的；

获取含目标物体的图片集，所述图片集分为训练子集和测试子集；

对训练子集中图片分别进行目标物体标注，获得对应的标注框；

对所有标注框进行聚类，获得K个先验框；

将所有先验框和所述图片集中的原始图片输入至YOLOv4-FCSPX网络结构，生成特征图，得到特征图对应先验框的位置信息、类别信息和物体置信度；

基于设定的物体置信度阈值，以及特征图对应先验框的位置信息、类别信息和物体置信度，获得一定数量的候选框；

对所有候选框进行非极大值抑制，得到预测框；

基于各预测框与对应的标注框的损失值对YOLOv4-FCSPX网络结构的权值进行更新，直到损失值小于设定阈值，获得训练好的YOLOv4-FCSPX网络结构；

将测试子集中的图片输入至训练好的YOLOv4-FCSPX网络结构，获得目标物体的大小、位置及类别，完成目标检测；

所述YOLOv4-FCSPX网络结构包括：骨干Backbone、颈部Neck和头部Head三部分；所述骨干Backbone由两部分组成，一部分是卷积Conv+批标准化BN+激活函数Mish，称为CBM，另一部分是CBM与残差模块Res unitN组成的CSPX；所述CSPX的数量为5，分别记为：CSP1、CSP2、CSP8、CSP8、CSP4；所述CSP8中有8个残差模块，前6个残差模块均与最后一个残差模块进行跳接，进行浅层特征与深层特征的融合，命名为FCSP8；所述CSP4中有4个残差模块，前2个残差模块均与最后一个残差模块进行跳接，进行浅层特征与深层特征的融合，命名为FCSP4；

所述颈部Neck由两部分组成，一部分是卷积Conv+批标准化BN+激活函数Leaky relu，称为CBL，另一部分是空间金字塔池化SPP；

所述头部Head是由CBL和Conv组成。

2.根据权利要求1所述的一种基于YOLOv4改进算法的目标检测方法，其特征在于：所述标注框的获得方法包括：

利用数据标注软件labelme对训练集中图片进行车辆和行人标注，获得对应的标注框，以及目标物体的位置信息和类别信息，所述位置信息包括标注框的中心点坐标值、标注框的高宽值。

3.根据权利要求1所述的一种基于YOLOv4改进算法的目标检测方法，其特征在于：所述图片集中共包含9423帧图像，标签分为两类：车辆和行人；

所述训练子集和测试子集，比例为9:1；

利用数据标注软件labelme对数据集中的训练集进行车辆和行人标注，生成xml文件，利用python脚本voc_label将xml文件格式转换为txt文件格式。

4.根据权利要求3所述的一种基于YOLOv4改进算法的目标检测方法，其特征在于：所述先验框的个数为9，各先验框的宽高尺寸分别为12x18、14x49、17x23、24x29、31x45、41x32、52x59、83x102、159x229。