-
题名改进YOLOv5的高精度跌倒检测算法
被引量：3
- 1
-
-
作者
朱胜豪
钱承山
阚希
-
机构
南京信息工程大学自动化学院
无锡学院物联网工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第11期105-114,共10页
-
基金
国家自然科学基金青年基金项目(42105143)
江苏省高等学校基础学科(自然科学)研究面上项目(580221016)
江苏省研究生实践创新计划(SJCX23_0397)。
-
文摘
针对原始YOLOv5在人体跌倒检测任务中无法有效应对复杂细节捕捉、变形处理、不同尺度目标适应和遮挡检测的困境,提出了一种基于C2D改进YOLOv5模型的新型高精度跌倒检测算法C2D-YOLO。给出了一种名为C2D的新型特征提取模块,通过融合可变形卷积、标准卷积和通道空间混合注意机制,将其添加到主干网络中,旨在增强特征表征能力,更好地捕捉复杂细节和处理变形。在颈部网络中,采用了Swin Transformer block替代C3模块的瓶颈层,旨在最大限度地保留特征信息,以提升对不同尺度目标的检测精度并改善遮挡情况下的性能。在借鉴YOLOX解耦结构的基础上对YOLOv5的Head模块进行改进,旨在优化分类和回归性能。实验结果表明,相比现有的YOLOv5s,该方法的mAP0.5和mAP0.5:0.95分别提高了3.2个百分点和6.5个百分点,明显提升了检测精度,减少了误检率。
-
关键词
YOLOv5
跌倒检测
C2D
swin
transformer
block
解耦结构
-
Keywords
YOLOv5
fall detection
C2D
swin transformer block
decoupled structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv5的安全帽佩戴检测算法
被引量：20
- 2
-
-
作者
乔炎
甄彤
李智慧
-
机构
河南工业大学信息科学与工程学院
粮食信息处理与控制重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第11期203-211,共9页
-
基金
河南省“揭榜挂帅”项目(211110110500)。
-
文摘
针对目前目标检测模型结构复杂、计算量大、检测准确率低等问题,提出在工业场景下基于改进型YOLOv5的安全帽佩戴算法。在主干网络引入轻量型网络ShuffleNetv2,保留Focus结构和ShuffleNetv2共同组成主干网络,降低网络的计算量和参数量;在C3模块中引入Swin Transformer Block,得到C3STB模块,替换Neck部分原有的C3模块;设计了CBAM_H注意力机制,并将其嵌入Neck网络中,获取全局上下文信息,提高模型检测准确率。自建数据集并进行实验,实验结果表明,改进后的YOLOv5模型的参数量由6.14×10^(6)压缩到8.9×10^(5),计算量由1.64×10^(10)压缩到6.2×10^(9),mAP由0.899上升到0.908,优于原模型性能。
-
关键词
YOLOv5
ShuffleNetv2
CBAM注意力机制
swin
transformer
block
-
Keywords
YOLOv5
ShuffleNetv2
CBAM attention mechanism
swin transformer block
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
