买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利基于改进YOLOv5的小样本野生动物检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115393618B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211018085.7，技术领域涉及：G06V10/74；该发明授权基于改进YOLOv5的小样本野生动物检测方法是由程志友;刘思乾;汪传建;罗荣昊;程灿设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本基于改进YOLOv5的小样本野生动物检测方法在说明书摘要公布了：本发明涉及一种基于改进YOLOv5的小样本野生动物检测方法，包括：根据所采集的待检测片区真实野生动物数据集对AwA2动物数据集进行筛选，筛选出的图像作为实验数据集；对所采集的待检测片区真实野生动物数据集进行筛选，得到小样本实验数据集；对实验数据集和小样本实验数据集进行标注；在YOLOv5网络模型中加入坐标注意力模块CA，得到YOLOv5‑CA网络模型；采用两阶段训练方法得到YOLOv5‑CA‑TL网络模型，检测待检测片区真实野生动物并进行可行性验证。本发明通过以所采集的待检测片区真实野生动物数据集作为研究对象，使用坐标注意力模块CA有效解决了其他一些算法检测精度低的问题，相对于传统方法，大大降低了人工成本。

本发明授权基于改进YOLOv5的小样本野生动物检测方法在权利要求书中公布了：1.一种基于改进YOLOv5的小样本野生动物检测方法，其特征在于：该方法包括下列顺序的步骤： 1下载AwA2动物数据集，根据所采集的待检测片区真实野生动物数据集对AwA2动物数据集进行筛选，筛选出与待检测片区真实野生动物数据集相似的图像作为实验数据集，将实验数据集划分为第一训练集和验证集； 2对所采集的待检测片区真实野生动物数据集进行筛选，选择动物画面清晰、像素质量高的照片作为小样本实验数据集，将小样本实验数据集划分为第二训练集和测试集； 3对实验数据集和小样本实验数据集进行标注； 4构建YOLOv5网络模型,在YOLOv5网络模型中加入坐标注意力模块CA，得到YOLOv5-CA网络模型，将标注后的第一训练集输入YOLOv5-CA网络模型中进行训练； 5采用两阶段训练方法得到YOLOv5-CA-TL网络模型，将标注后的测试集输入YOLOv5-CA-TL网络模型中，检测得到图片中的野生动物，并进行可行性验证； 所述步骤4具体包括以下步骤： 4a将YOLOv5网络模型主干网络的第一个C3模块和最后一个C3模块替换为坐标注意力模块CA，然后，将特征图分别编码，形成两个特征图，分别对方向感知和对位置敏感；将任意中间张量X＝[x1,x2,x3...,xC]∈RC×H×W作为输入,并输出一个同样长度的张量Y＝[y1,y2,y3...,yc]，对X使用尺寸H,1和1,W的池化核沿着水平和竖直两个方向对每个通道进行编码，高度为h的第c个通道的输出如下： 宽度为w的第c个通道的输出如下： 其中，H为池化核的高度，W为池化核的宽度，XC为第c个通道的张量，h为X的高度； 公式1、2是特征聚合的两个变换，它们分别沿着两个空间方向进行聚合，返回两个方向感知注意力图；坐标注意力模块CA在级联之前生成两个特征层，之后共用一个1×1的卷积操作变换，如公式3所示： f＝δF1[Zh,Zw]3 式中，δ为非线性激活函数，F1为1×1的卷积变换，f是中间特征映射，是在水平和垂直两个方向上，对空间信息进行特征编码后的结果；然后沿着空间维数将f分解为2个单独的张量,fh∈RCr×H和fw∈RCr×W,然后利用另外两个1×1的卷积变换Fh和Fw分别将fh和fw变换为成含有相同特征层数的张量到X,得到： gh＝σFhfh4 gw＝σFwfw5 式中，Fh、Fw均为1×1的卷积变换，σ是sigmoid激活函数，在变换过程中，使用缩减比r来减少f分的通道数，然后对输出gh和gw进行扩展，分别作为加权权重，坐标注意力模块CA最后的输出如公式6所示： 式中，yci,j表示输出的第c个通道中i,j的数值，xci,j表示第c个通道中i,j的数值，表示第c个通道中高度为h的第i个数值，表示第c个通道中宽度为w的第j个数值； 4b将经标注后的第一训练集调整为640×640的图像，输入至YOLOv5-CA网络模型中，得到1024个1×1的输出矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。