一种基于YoloV4改进的路面障碍检测方法

本发明提供一种基于YoloV4改进的路面障碍检测方法，将YoloV4做了相关的改进，使得网络变得更加轻便，增强模型的鲁棒性以及处理复杂环境的能力更强，使得网络更加精准的检测出障碍的位置，改善了小目标的检测效果。包括：选用轻量级的MobileNetV3作为主干网络为模型提供特征提取操作；使用线性瓶颈的逆残差结构结合深度可分离卷积和SE注意力机制；改进特征融合网络；在模型中使用一种高效的通道注意模块，该模块避免降维并有效捕获跨通道交互的信息，在全局池化后保持通道层数，使用不降维的局部跨信道交互策略；通过波段矩阵的学习关注不同通道之间的关系，有重点的学习不同通道中的不同信息；提出一种新的DBR模块，该模块由DepthwiseConv2D、BatchNormalization、Relu6组成。

《一种基于YoloV4改进的路面障碍检测方法》是一发明专利，专利号为 2023102775808，当前法律状态为已下证，由辽宁科技大学提出申请，发明人为赵骥;李胜男，申请日期为2023-03-21，公开（公告）日期为2026-04-03，国际专利分类号（IPC）为 G06V 20/58 (2022.01)，高新资质：未报高企，所属技术领域包括：智能驾驶 辅助驾驶 路面检测。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：本发明提供一种基于YoloV4改进的路面障碍检测方法，将YoloV4做了相关的改进，使得网络变得更加轻便，增强模型的鲁棒性以及处理复杂环境的能力更强，使得网络更加精准的检测出障碍的位置，改善了小目标的检测效果。包括：选用轻量级的MobileNetV3作为主干网络为模型提供特征提取操作；使用线性瓶颈的逆残差结构结合深度可分离卷积和SE注意力机制；改进特征融合网络；在模型中使用一种高效的通道注意模块，该模块避免降维并有效捕获跨通道交互的信息，在全局池化后保持通道层数，使用不降维的局部跨信道交互策略；通过波段矩阵的学习关注不同通道之间的关系，有重点的学习不同通道中的不同信息；提出一种新的DBR模块，该模块由DepthwiseConv2D、BatchNormalization、Relu6组成。

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！