一种基于YOLOv7模型的目标识别方法、系统、电子设备及介质（无锡学院大学专利）

本发明公开了一种基于YOLOv7模型的目标识别方法、系统、电子设备及介质，所述方法包括：S1：获取待识别垃圾图像集；S2：改进YOLOv7模型，所述改进后的YOLOv7模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中，使用多分支堆叠模块ELAN‑GR代替堆叠模块ELAN；在Backbone网络的第一个多分支堆叠模块ELAN‑GR后添加两个依次连接的强全局注意力组合模块CMH，两个依次连接的强全局注意力组合模块CMH作为强位置信息的特征图生成分支B1；S3：采用待识别垃圾图像集对改进YOLOv7模型进行训练；S4：将待测图像输入训练得到的改进YOLOv7模型中，得到识别结果。本发明以YOLOv7模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv7模型的检测精度。

《一种基于YOLOv7模型的目标识别方法、系统、电子设备及介质（无锡学院大学专利）》是一发明专利，专利号为 2023108238623，当前法律状态为已下证，由无锡学院提出申请，发明人为左官芳;任肖恬;王思成;顾思睿;赵方;阮义阳;程琨，申请日期为2023-07-06，公开（公告）日期为2024-10-29，国际专利分类号（IPC）为 G06V 10/25 (2022.01)，高新资质：未报高企，所属技术领域包括：大数据处理、图像技术计算机程序计算机软件计算机算法海洋垃圾。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于YOLOv7模型的目标识别方法、系统、电子设备及介质，所述方法包括：S1：获取待识别垃圾图像集；S2：改进YOLOv7模型，所述改进后的YOLOv7模型包括依次连接的Backbone网络、Neck网络和Head网络；在Backbone网络中，使用多分支堆叠模块ELAN‑GR代替堆叠模块ELAN；在Backbone网络的第一个多分支堆叠模块ELAN‑GR后添加两个依次连接的强全局注意力组合模块CMH，两个依次连接的强全局注意力组合模块CMH作为强位置信息的特征图生成分支B1；S3：采用待识别垃圾图像集对改进YOLOv7模型进行训练；S4：将待测图像输入训练得到的改进YOLOv7模型中，得到识别结果。本发明以YOLOv7模型作为基础识别网络，并对其网络模型结构进行改进，提高了YOLOv7模型的检测精度。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！