一种基于NAM和YOLOv3的目标检测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明提出了一种基于NAM和YOLOv3的目标检测方法,使得平均检测精度得到提升。基于注意力机制的YOLOv3模型侧重增强图像中的重点空间和通道,抑制空间或通道中不显著特征,保证了网络学习性能。首先选择目标检测领域公开PASCALVOC数据集;其次,构建YOLOv3模型,将上述数据集传入模型训练,使用Adam算法和StepLR学习率调整策略,评价模型性能;再者,训练嵌入NAM注意力机制的YOLOv3模型,同时完成性能评估;最后,与经典YOLOv3模型比较,分析测试结果。本发明提出了基于NAM和YOLOv3的目标检测方法,相比YOLOv3模型,在通用数据集上提升了平均检测精度,更适用于多个物体未全部检测时的情况。此外,该嵌入模块也能够融入其余模型中用于对比实验,具有较好的适用性和鲁棒性。
《一种基于NAM和YOLOv3的目标检测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022116704447,当前法律状态为已下证,由湖南大学提出申请,发明人为王春峰;彭鹏,申请日期为2022-12-25,公开(公告)日期为2025-12-16,国际专利分类号(IPC)为 G06V 10/44 (2022.01),高新资质:未报高企。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:本发明提出了一种基于NAM和YOLOv3的目标检测方法,使得平均检测精度得到提升。基于注意力机制的YOLOv3模型侧重增强图像中的重点空间和通道,抑制空间或通道中不显著特征,保证了网络学习性能。首先选择目标检测领域公开PASCALVOC数据集;其次,构建YOLOv3模型,将上述数据集传入模型训练,使用Adam算法和StepLR学习率调整策略,评价模型性能;再者,训练嵌入NAM注意力机制的YOLOv3模型,同时完成性能评估;最后,与经典YOLOv3模型比较,分析测试结果。本发明提出了基于NAM和YOLOv3的目标检测方法,相比YOLOv3模型,在通用数据集上提升了平均检测精度,更适用于多个物体未全部检测时的情况。此外,该嵌入模块也能够融入其余模型中用于对比实验,具有较好的适用性和鲁棒性。
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!
