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！

摘要：本发明提供了一种基于YOLO的目标单边缘检测方法，原始图像输入主干网络，原始图像经过多层CBS模块进行卷积处理，得到初步特征图库，初步特征图库输入颈部结构的输入端，进行多尺度交叉融合，得到最终特征图库，最终特征图库Proto模块，得到原生分割特征图，将原生掩码、掩码系数和原生分割特征图输入掩码处理模块，得到单边缘轮廓图像。本发明基于YOLOV8n模型设置的YOLOV8n‑seg模型，在实际调度过程中，基于YOLOV8n模型和YOLOV8n‑seg模型是同时调用，通过双模型提高特定单边缘的检测的精度。双模型的适用性高，在要求超高精度的工业生产线上，提供精准的测量数据。

主权项：1.一种基于YOLO的目标单边缘检测方法，其特征在于，基于YOLOV8n模型设置的YOLOV8n-seg模型，所述YOLOV8n-seg模型包括主干网络、颈部结构、检测头、Proto模块和掩码处理模块，所述主干网络包括多层CBS模块，所述颈部结构设有多个输入端和多个输出端；S1：原始图像输入所述主干网络，所述原始图像经过多层所述CBS模块进行卷积处理，每一层所述CBS模块输出一组初步特征图组，组合得到初步特征图库；S2：所述初步特征图库的每组初步特征图组分别输入所述颈部结构的输入端，将每组初步特征图进行多尺度交叉融合，每个所述输出端均输出预测Box特征图、预测cls特征图和Mask系数特征图，组合得到最终特征图组，将多个输出端输出的最终特征图组组合得到最终特征图库；S3：所述最终特征图库中每组的预测Box特征图和预测cls特征图输入所述检测头，所述检测头通过分类分数阈值和NMS阈值筛选处理，得到类别信息和位置信息，组合得到目标信息组；S4：所述最终特征图库中每组的预测Box特征图和预测cls特征图输入所述检测头，计算得到原生掩码和掩码系数；S5：所述最终特征图库中每组的Mask系数特征图输入所述Proto模块，得到原生分割特征图；S6：将所述原生掩码、所述掩码系数和所述原生分割特征图输入掩码处理模块，得到单边缘轮廓图像。

全文数据：

权利要求：

百度查询： 广东丰鑫智能科技有限公司 广东工业大学 一种基于YOLO的目标单边缘检测方法