-
题名结合注意力机制和特征加权融合的高效跌倒检测模型
- 1
-
-
作者
牟雪楠
余洁镱
王胤
胡文军
-
机构
湖州师范学院信息工程学院
湖州师范学院湖州市水域机器人技术重点实验室
浙江省现代农业资源智慧管理与应用研究重点实验室
浙江行见医联科技有限责任公司
-
出处
《现代信息科技》
2025年第2期38-45,共8页
-
文摘
跌倒已成为公共安全最大的风险之一,及时发现跌倒是开展有效救助的首要前提。基于计算机视觉的目标检测是当前跌倒检测的主流方法,但真实场景中的复杂因素导致现有模型仍面临准确率不高、鲁棒性不强和部署困难等问题,在EfficientDet基础上提出轻量级跌倒检测模型FD-EfficientDet,该模型首先将EMA注意力机制引入主干网络来增强对输入数据的理解和表示能力,提升检测准确率;其次,设计EMA-Fused-MBConv模块用于主干网络,加快模型训练和防止模型退化;最后,提出SKIPS-BiFPN结构并用其构建Neck层,实现主干网络不同阶段特征的加权融合,进而增强模型鲁棒性。实验结果表明,FD-EfficientDet模型相比EfficientDet模型mAP提升17.65%,鲁棒性、轻量化等方面具有较好优势。
-
关键词
跌倒检测
EfficientDet
轻量级
鲁棒性
准确性
-
Keywords
fall detection
EfficientDet
lightweight
robustness
accuracy
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
