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！

龙图腾网获悉南京工业大学申请的专利一种基于改进yolov5-SFF的检测方法及系统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：CN115761881B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202211392625.8，技术领域涉及：G06V40/20；该发明授权一种基于改进yolov5-SFF的检测方法及系统是由李丽娟;张鹏;焦文华;杨世品设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于改进yolov5-SFF的检测方法及系统在说明书摘要公布了：本发明公开了视频识别领域的一种基于改进yolov5‑SFF的检测方法及系统，包括：将实时视频数据输入至预先训练的Yolov5‑SFF检测模型中获取对工人操作行为的检测结果；Yolov5‑SFF检测模型的训练过程包括：采集历史视频数据，构建训练数据集；利用差异哈希采样算法对每组历史视频数据的帧画面进行采样筛选，对筛选出帧画面中的操作行为进行标注；添加通道过滤模块和空间注意力模块至骨干网路，将骨干网络、头部网络、时空特征融合模块和识别模块依次叠加构建为Yolov5‑SFF检测模型；利用训练数据集中添加操作行为标注的历史视频数据训练Yolov5‑SFF检测模型，重复训练直至Yolov5‑SFF检测模型的检测准确率趋于稳定；提高了检测和识别精度的同时也保证了算法实时检测的速度。

本发明授权一种基于改进yolov5-SFF的检测方法及系统在权利要求书中公布了：1.一种基于改进yolov5‑SFF的检测方法，其特征在于，包括： 采集包含工人操作行为的实时视频数据，将实时视频数据输入至预先训练的Yolov5‑SFF检测模型中获取对工人操作行为的检测结果； Yolov5‑SFF检测模型的训练过程包括： 采集包含工人操作行为的历史视频数据，构建训练数据集；利用差异哈希采样算法对每组历史视频数据的帧画面进行采样筛选，对筛选出帧画面中的操作行为进行标注； 添加通道过滤模块和空间注意力模块至骨干网路，将骨干网络、头部网络、时空特征融合模块和识别模块依次叠加构建为Yolov5‑SFF检测模型； 所述骨干网络依次包括卷积层、卷积‑C3‑AS模块和特征金字塔池化模块；所述特征金字塔池化模块和卷积层之间设有多个卷积‑C3‑AS模块； 所述卷积‑C3‑AS模块依次包括卷积层和C3‑AS模块；由Yolov5模型的C3模块添加有通道过滤模块和空间注意力模块形成所述C3‑AS模块；所述C3‑AS模块的输入特征依次经过卷积、n个残差模块、通道过滤模块和空间注意力模块形成特征C；所述C3‑AS模块的输入特征经过卷积形成特征D；所述特征C和特征D依次经过拼接和卷积后形成所述C3‑AS模块的输出特征； 所述通道过滤模块包括2D卷积、平均池化模块和激励层；所述通道过滤模块的输入特征经过2D卷积形成特征E；所述特征E经过平均池化模块形成特征F；所述特征F经过激励层形成特征G；所述激励层内依次设置全连接层、批量标准化模块、RELU激活层、全连接层和Sigmoid激活层； 所述特征G和所述特征F进行元素相乘后进行软阈值化处理形成特征H，所述特征H与特征E相乘后与所述通道过滤模块的输入特征进行元素相加形成通道过滤模块的输出特征； 时空特征融合模块包括维度调整模块、时域卷积模块和GELU模块；所述时空特征融合模块的输入特征经过维度调整模块处理后形成特征I；特征I经过卷积形成特征J；所述特征I依次经过时域卷积模块、GELU模块、时域卷积模块和GELU模块处理后，与特征J相加形成所述时空特征融合模块的输出特征； 时域卷积模块的输入特征的尺寸为16×S2×C，时域卷积模块内依次设置因果卷积、采样间隔为2的膨胀卷积、采样间隔为4的膨胀卷积、采样间隔为8的膨胀卷积和批量标准化模块，时间卷积模块的感受野最终可以完全覆盖16张图像的特征矩阵；因果卷积和膨胀卷积的卷积核尺寸均为2×3； 利用训练数据集中添加操作行为标注的历史视频数据训练Yolov5‑SFF检测模型，重复训练直至Yolov5‑SFF检测模型的检测准确率趋于稳定。

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南京工业大学，其通讯地址为：211899 江苏省南京市江北新区浦珠南路30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”。

以上内容由龙图腾AI智能生成。