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！

龙图腾网获悉西南石油大学申请的专利一种基于改进YOLOv8n的违规行为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：CN117079099B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310877673.4，技术领域涉及：G06V10/82；该发明授权一种基于改进YOLOv8n的违规行为检测方法是由罗仁泽;刘恒;林泓宇;王磊;吴涛;雷璨如;武娟;易玺;廖波;曹瑞;赵丹设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本一种基于改进YOLOv8n的违规行为检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv8n的违规行为检测方法，包括：通过摄像头采集违规行为视频解码标注建立数据集；将标注好的数据集划分为训练集，验证集和测试集；对YOLOv8n网络进行改进，使用训练集对改进的YOLOv8n进行训练，同时使用验证集进行验证，保留验证集准确率最高的网络参数，使用测试集对导入网络参数改进的YOLOv8n网络进行测试。本发明通过改进C2f模块和引入注意力机制构建特征融合模块，提高模型的特征提取能力和检测精度。

本发明授权一种基于改进YOLOv8n的违规行为检测方法在权利要求书中公布了：1.一种基于改进YOLOv8n的违规行为检测方法，其特征在于包括以下步骤： 步骤1：使用摄像头获取违规行为视频，使用视频处理工具FFMPEG将视频解码成图片，采用Labelimg软件对数据集进行标注，标注后标签的文件格式为txt格式； 步骤2：将步骤1获取的数据集划分成训练集，验证集和测试集； 步骤3：原始的YOLOv8n网络分为Backbone和Head两部分，包含卷积模块、C2f模块、SPPF模块、上采样模块和拼接模块，其中构建C2f模块使用了BottleNeck模块，BottleNeck模块分为BottleNeck1模块和BottleNeck2模块；YOLOv8n网络Backbone部分使用BottleNeck1模块构建C2f模块，Head使用BottleNeck2模块构建C2f模块；使用通道重排机制对C2f模块进行改进，将改进的C2f模块称为C2fg模块； 1BottleNeck1模块和BottleNeck2模块，包括以下结构： 首先使用卷积核为3的二维卷积层，归一化层和SiLU激活函数对输入特征值进行特征值提取；然后使用卷积核为3的二维卷积层，归一化层和SiLU激活函数对特征值进行提取形成中间特征值；BottleNeck1模块最后使用残差连接将输入特征值与中间特征值相加形成输出特征值；BottleNeck1模块公式为： Xbout1＝Xbin1+SiLUBn2dConv2dk＝3SiLUBn2dConv2dk＝3Xbin1 其中Xbin1、Xbout1表示BottleNeck1模块输入与输出特征值，Conv2dk＝3表示卷积核为3的二维卷积层，Bn2d·表示二维归一化层，SiLU·表示SiLU激活函数； 2BottleNeck2模块最后不使用残连接，直接输出，BottleNeck2模块公式为： Xbout2＝SiLUBn2dConv2dk＝3SiLUBn2dConv2dk＝3Xbin2 其中Xbin2、Xbout2表示BottleNeck2模块输入与输出特征值； 上述通道重排机制公式： Xcout＝CSXcin＝ConcatS1,S2,....Sn Sn＝ConcatL1n,L2n,...Lnn 其中Xcin，Xcout表示通道重排输入与输出特征值，将Xout分为n组n＝2，Xout的第n组特征值为Sn，将Sn同样分为n组，Sn的第n组特征值为Lnn；Sn为b×c个h×w矩阵，b为Batchsize大小，b∈1,16；c为特征值的通道数量，表示向下取整；h，w为特征值的宽度和高度，h,w∈20,640，Lnn为b×c个h×w矩阵，b为Batchsize大小，b∈1,16；c为特征值的通道数量，h，w为特征值的宽度和高度，h，w∈20,640；CS·表示通道重排操作，Concat·代表在通道维度上进行拼接操作，Concat的操作公式如下： 式中，X、Y均为该通道输入的特征值图，X，Y均为b×c个h×w矩阵，b为Batchsize大小，b∈1,16；c为特征值的通道数量，c∈32,1536；h，w为特征值的宽度和高度，h，w∈20,640；k表示输入特征值图X的通道数，k∈32,1536，d为输入特征值图Y的通道数，d∈32,1536，i∈[1,k]，j∈[1,d]； 上述的C2fg模块包括以下结构： 首先使用卷积核为1的二维卷积层，归一化层和SiLU激活函数对输入特征值通道进行调节，将通道调节后的特征值进行通道重排；然后在通道维度上进行分割，形成特征值X1和X2，将X2通过n个BottleNeck模块输出n个特征值，n∈1,6；最后将特征值X1和X2与输出的n个特征值在通道上进行拼接操作形成输出特征值X3，使用卷积核为1的二维卷积层，归一化层和SiLU激活函数对X3通道进行调节形成最终输出特征值X4；X1，X2，X3和X4均为b×c个h×w矩阵，b为Batchsize大小，b∈1,16；c为特征值的通道数量，c∈32,1536；h，w为特征值的宽度和高度，h，w∈20,640； 步骤4：使用注意力机制的思想构建特征融合模块，所述特征融合模块包括以下结构： 首先使用卷积核为1的二维卷积层，归一化层和SiLU激活函数对输入的两个特征值Xc1和Xc2进行通道调节，将通道调节后的两个特征值进行下采样使得两个特征值维度大小相同形成了Xc3和Xc4；然后将这两个特征值相乘，使用全局平均池化对相乘后的特征值进行降维，将降维后特征值使用Sigmoid激活函数层学习两个参数a0和a1；最后将Xc4经过卷积核为3的二维卷积层，归一化层和SiLU激活函数进行特征值提取形成了Xc5，将Xc3与a0的乘积和Xc5与a1的乘积相加再通过卷积核为1的二维卷积层，归一化层和SiLU激活函数进行通道调节形成最终输出Xcout；特征融合模块公式为： Xc3＝sampleSiLUBn2dConv2dk＝1Xc1 Xc4＝sampleSiLUBn2dConv2dk＝1Xc2 Xc5＝SiLUBn2dConv2dk＝3Xc4 a0＝SigmodGAPXc3·Xc4 a1＝1-a0 Xcout＝SiLUBn2dConv2dk＝1Xc3⊙a0+Xc5⊙a1 式中，Xc1，Xc2为输入特征值，Xc3，Xc4，Xc5为中间特征值，Xcout为输出特征值，Xc1、Xc2、Xc3、Xc4、Xc5和Xcout均为b×c个h×w矩阵，b为Batchsize大小，b∈1,16；c为特征值的通道数量，c∈32,1536；h，w为特征值的宽度和高度，h，w∈20,640；sample·表示采样操作，包括上采样和下采样，a0和a1为通道权重参数，均为b×c个h×w矩阵，b为Batchsize大小，b∈1,16；c为特征值的通道数量，c∈32,1536；h，w为特征值的宽度和高度，h＝1，w＝1；GAP为全局平均池化操作，⊙代表通道级相乘； 步骤5：使用C2fg模块代替原来C2f模块，使用特征融合模块代替通道拼接模块，构建改进YOLOv8n违规行为检测模型； 步骤6：使用步骤2的训练集训练步骤5构建的改进YOLOv8n违规行为检测模型，使用验证集进行验证；设置训练参数，训练批次大小设置为B，B∈[1,16]，学习率设置为L，L∈0,1，动量Momentum，Momentum∈0.9,0.95，训练迭代次数Epoch，Epoch∈[100,500]；保存验证集平均准确率最高的参数模型；保存平均准确率最高的参数模型为P，Pi表示第i轮训练时的网络参数，mAPi表示第i轮训练的平均准确率，i∈[1,Epoch]；Map表示保存最高的准确率；P的更新按照以下公式： 步骤7：完成训练，将步骤6得到的平均准确率最高的参数模型导入网络中，使用步骤2的测试集进行测试。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。