一种基于改进YOLO的施工现场小尺度目标检测方法、系统、设备及介质

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于改进YOLO的施工现场小尺度目标检测方法、系统、设备及介质
申请号:CN202510889640
申请日期:2025-06-30
公开号:CN120808147A
公开日期:2025-10-17
类型:发明专利
摘要
一种基于改进YOLO的施工现场小尺度目标检测方法、系统、设备及介质,构建包含多类施工目标的施工现场目标检测数据集SODA,并划分为训练集、验证集和测试集;以YOLO为基准模型,集成多路径多尺度空洞卷积特征提取模块(MPFD)与自适应多层次特征融合模块(AMFF),构建基于改进YOLO的施工现场小尺度目标检测模型;并进行训练、验证和测试,最终得到适配施工现场边缘计算设备部署要求的高效小尺度目标检测模型;系统、设备及介质用于实现该方法;本发明具有检测框更精准、小目标检测精度更高、计算复杂度低、跨场景泛化能力强等技术效果。
技术关键词
多层次特征融合 卷积特征提取 训练集优化 多路径 检测模型训练 多尺度 Sigmoid函数 加权特征 施工现场数据 空洞 双线性插值 可读存储介质 通道 基准 网络 测试模块