(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210152654.0 (22)申请日 2022.02.18 (71)申请人 武汉东信同邦信息技 术有限公司 地址 430073 湖北省武汉市东湖新 技术开 发区光谷大道特1号国际企业中心三 期2栋2层0 3室 （自贸区武汉片区） (72)发明人 周斌　沈振冈　李文豪　李艳红　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 专利代理师 张凯 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于YOLO-SD-Tiny的目标检测方法及装置 (57)摘要 本发明公开了一种基于YOLO ‑SD‑Tiny的目 标检测方法及装置， 涉及目标检测领域， 该方法 包括： 将YOLOV4 ‑Tiny主干特征提取网络中最后 一个CSP‑Body和CBL中所采用的激活函数替换 成 Mish激活函数后， 对待检测图片进行信息提取以 获得有效特征层； 根据特征金字塔网络FPN对有 效特征层进行Self ‑DeConvolution上采样并输 出； 利用YOLO  Head对上采样后的输出值进行预 测。 本发明适用一般设备， 特别适应算力较低的 低性能设备， 其可以提高目标检测的准确率和检 测速度。 权利要求书2页 说明书8页 附图2页 CN 114565959 A 2022.05.31 CN 114565959 A 1.一种基于 YOLO‑SD‑Tiny的目标检测方法， 其特 征在于， 该 方法包括以下步骤： 将YOLOV4 ‑Tiny主干特征提取网络中最后一个CSP ‑Body和CBL中所采用的激活函数替 换成Mish 激活函数后， 对待检测图片进行信息提取以获得有效特 征层； 根据特征金字塔网络FPN对有效特 征层进行Self ‑DeConvolution上采样并输出； 利用YOLO Head对上采样后的输出值进行 预测。 2.如权利 要求1所述的基于YOLO ‑SD‑Tiny的目标检测方法， 其特征在于， 所述根据特征 金字塔网络FPN对有效特 征层进行Self ‑DeConvolution上采样并输出， 包括： 通过1×1卷积将形状为H ×W×C的有效特 征层F的通道数压缩到 Cr； 设定上采样率为σ， 基于压缩后的有效特征层F通过卷积 为输出特征层 中的一点lt 预测一个与位置信息相关的上采样核 其中 将得到的核 通过加权求和算子reshape后得到 其中 其中 为输出特征层 中点lt的特征 图， θ为加权求和算子， karea为有效特征层F中一点的一个邻域， kencoder为比 karea小一个区域的邻域； 将输出特征层 中的点lt映射回有效特征层F对应的点l， 并取出以l为中心的karea× karea区域， 和预测出的该点的上采样核 做点积得到 输出值。 3.如权利 要求2所述的基于YOLO ‑SD‑Tiny的目标检测方法， 其特征在于， 在得到所述输 出值后， 还 包括： 通过softmax 归一化核σ H×σ W×karea×karea使得核权 重和为1。 4.如权利要求1所述的基于YOLO ‑SD‑Tiny的目标检测方法， 其特征在于， 利用YOLO   Head对上采样后的输出值进行 预测时， 采用CIOU损失作为 边界框回归损失。 5.如权利要求1所述的基于YOLO ‑SD‑Tiny的目标检测方法， 其特征在于， 利用YOLO   Head对上采样后的输出值进行 预测时， 采用GH M损失作为分类损失。 6.一种基于 YOLO‑SD‑Tiny的目标检测装置， 其特 征在于， 包括： 主干特征提取网络， 其通过将YOLOV4 ‑Tiny主干特征提取网络中最后一个CSP ‑Body和 CBL中所采用的激活函数替换成Mish激活函数后形成， 用于对待检测图片进行信息提取以 获得有效特 征层； 特征金字塔网络FPN， 其用于对所述有效特征层进行Self ‑DeConvolution上采样并输 出； YOLO Head， 其用于对上采样后的输出值进行 预测。 7.如权利 要求6所述的基于YOLO ‑SD‑Tiny的目标检测装置， 其特征在于， 所述特征金字 塔网络FPN包括Self ‑DeConvolution计算单元， 所述Self ‑DeConvolution计算单元包括： 上采样核预测模块， 其用于： 通过1×1卷积将形状为H ×W×C的有效特 征层F的通道数压缩到 Cr； 设定上采样率为σ， 基于压缩后的有效特征层F通过卷积 为输出特征层 中的一点lt权　利　要　求　书 1/2 页 2 CN 114565959 A 2预测一个与位置信息相关的上采样核 其中 将得到的核 通过加权求和算子reshape后得到 其中 其中 为输出特征层 中点lt的特征 图， θ为加权求和算子， karea为有效特征层F中一点的一个邻域， kencoder为比 karea小一个区域的邻域； 特征遍历模块， 其用于： 将输出特征层 中的点lt映射回有效特征层F对应的点l， 并取 出以l为中心的karea×karea区域， 和预测出的该点的上采样核 做点积得到 输出值。 8.如权利 要求7所述的基于YOLO ‑SD‑Tiny的目标检测装置， 其特征在于， 在得到所述输 出值后， 所述上采样核预测模块还用于 。 通过softmax 归一化核σ H×σ W×karea×karea使得核权 重和为1； 9.如权利要求6所述的基于YOLO ‑SD‑Tiny的目标检测方法， 其特征在于， 利用YOLO   Head对上采样后的输出值进行 预测时， 采用CIOU损失作为 边界框回归损失。 10.如权利要求6所述的基于YOLO ‑SD‑Tiny的目标检测方法， 其特征在于， 利用YOLO   Head对上采样后的输出值进行 预测时， 采用GH M损失作为分类损失。权　利　要　求　书 2/2 页 3 CN 114565959 A 3