1.一种基于目标检测的瑶族纹样符号定位识别方法，其特征在于，包括如下步骤：

1）输入瑶族纹样符号图片：用手机拍摄瑶族纹样符号多张图片，将图片进行瑶族纹样符号种类的标注，把标注的图片划分为训练集和测试集，训练集进行模型的训练，测试集进行模型的预测；

2）数据增强：对标注好的训练集上的图片进行出翻转、缩放、旋转、亮度、移位变化相同的变换；

3）模型训练：将经过数据增强后的训练集图片输入进改进后的yolov3算法中进行训练，在改进后的yolov3算法中, 利用基于Resnet50的特征提取网络、Relu6激活函数和通道注意力机制改进网络，采用Swish激活函数代替Relu，增加权重的非线性，找到通道复杂度的相关性，采取RFB结构加强特征提取；

4）实现对瑶族纹样符号进行定位和预测：最终经过训练，选取loss值最小的权重，对loss值最小的权重，进行模型的加载，对测试集上图片的瑶族纹样符号进行定位和预测。

2. 权利要求1所述的基于目标检测的瑶族纹样符号定位识别方法，其特征在于，步骤

3）中所述的yolov3算法为：算法预测类别由以前目标识别算法中单标签预测，改为多标签预测，借鉴 SSD目标识别算法多尺度预测思想，算法的网络由 Darknet53 和特征金字塔组成，去除 RPN 这样的区域生成算法来完成对感兴趣区域的初步提取，直接对原始输入图像及标注进行训练。

3. 根据权利要求1所述的基于目标检测的瑶族纹样符号定位识别方法，其特征在于，步骤3）中所述的基于Resnet50的特征提取网络、Relu6激活函数和通道注意力机制改进网络为：用 Resnet50代替 Darknet53 提取尺寸为 13*13、26*26 和 52*52 的特征图，这三个阶段特征图分别用y1，y2和y3， 将y1，y2和y3，采用通道注意力机制进行处理，实现过程首先利用全局平均池化，把每一个通道的特征变为一个实数，这个实数可以看做对提取到的不同特征部分的权重，关注最感兴趣的特征，然后利用一个全连接层首先将通道维度降到原来的 1/4，利用Relu6 激活函数再次通过全连接恢复到原来的维度，最后通过h-Swish激活函数进行计算，得到与瑶族纹样符号相关的重要特征图。

4. 根据权利要求1所述的基于目标检测的瑶族纹样符号定位识别方法，其特征在于，步骤3）中所述的RFB结构加强特征提取步骤为：首先将经过通道注意力后的y3传入 RFB 机制中得到的输出结果 x 和C3，x 经过卷积将通道数缩放到原来的 2 倍大小，然后再经过上采样后与y2累加得到新的x，在特征金字塔中，累加是将深层的语义信息传递到浅层，实现特征的融合，得到新的 x 输入 RFB 机制中得到的输出结果C2和 x，将再次计算出的 x 经过卷积将通道数缩放到原来的 2 倍大小，经过上采样后与 y1 累加得到新的 x，最后将新的 x 传入到 RFB 机制中得到输出结果𝐶 3 和 x，最后利用融合的多层特征对输入的图像进行分类和回归。