文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202211005918.6

申 请 日：20220822

发 明 人：周伟 胡瑞 闵宣霖 李想成真 陈凡 易军 刘洪 黄河 黄迪

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20221125

公 开 号：CN115393689A

代 理 人：王玉芝

代理机构：重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供了一种基于边缘计算的小目标检测系统，系统主要由网络摄像头和边缘设备构成。针对小目标检测，本发明在边缘设备上部署了基于YOLOX的小目标检测模型。该模型增加了一个微小目标检测头以缓解检测尺度变化带来的负面影响，缩小尺度特征方差以及小目标特征优化难度，增加小目标检测准确率，在标签分配损失矩阵以及损失函数上采用Focal‑Loss损失函数以缓解类别不平衡问题；同样地，为了优化位置回归任务,采用GIOU‑Loss对标签分配权重矩阵以及梯度传播进行优化。模型中的特征提取骨干层采用CSPRepResNet，并在特征融合层中的采用无参下采样方式以提高推理速度。通过局域网将网络摄像头获取的数据流传输给边缘设备以完成检测并保存检测结果，保证了边缘设备端小目标检测的实时性、高效性以及灵活性。

主 权 项：1.基于边缘计算的小目标检测系统，该系统包括以下步骤：S1：使用网络摄像头采集数据，并在其中加入公共数据作为数据集；S2：对数据集图像使用放射变换、随机旋转和Mosaic等数据增强策略可以丰富数据集、增加网络模型泛化性；S3：改进YOLOX网络对小目标进行检测，骨干网络采用CSPRepResNet网络，在加快模型推理速度的同时提高网络检测精度；把PAN-FPN层中将下采样使用的卷积去掉，采用无参下采样的方式降低参数量；在检测层原有的三个检测头的基础上增加一个浅层特征的检测头，提取更大的感受野特征；S4：在网络模型的标签分配损失矩阵以及损失函数上采用Focal-Loss损失函数以缓解现实中存在的类别样本不平衡问题，并进一步优化检测框回归任务,采用GIOU-Loss进行标签分配以及梯度传播；S5：将改进后的YOLOX模型部署在边缘设备JETSON XAVIER NX上，使用网络摄像头的视频流作为模型的输入，并在边缘设备端将数据流进行前向推理得出检测结果，然后将结果实时展示在外接显示器的同时把检测画面截图保存至本地日志中。

关 键 词：小目标  边缘设备  检测  矩阵  网络摄像头 损失函数 小目标特征  标签分配  尺度变化  尺度特征  分配权重  负面影响  检测结果  检测系统  目标检测  特征融合  特征提取  优化位置  高效性 骨干层 实时性  下采样 缓解  准确率  方差  推理  局域网 优化  标签  保存  回归  传播  部署  保证  

IPC专利分类号：G06V10/82;G06V10/80;G06V10/764;G06V10/40;G06V10/10;G06N5/04