基于注意力机制与加权盒函数的YOLOv5的行人摔倒检测算法 |
| |
引用本文: | 王晓雯,梁博,刘芳芳.基于注意力机制与加权盒函数的YOLOv5的行人摔倒检测算法[J].山西大学学报(自然科学版),2023(2):334-341. |
| |
作者姓名: | 王晓雯 梁博 刘芳芳 |
| |
作者单位: | 山西大学物理电子工程学院 |
| |
基金项目: | 山西省自然科学基金(201901D111031); |
| |
摘 要: | 为了防止路上行人摔倒不能及时救治,危及行人安全问题,提出了一种改进YOLOv5的行人摔倒检测算法YOLOv5-CBAM-WBF。首先,通过改进马赛克(Mosaic)算法来丰富数据集并缩短训练时长;其次,融入卷积注意力机制模块(Convolutional block attention module,CBAM),加强对检测目标的关注,以提升算法的特征提取能力;最后,提出了一种新的加权盒函数Weighted boxes fusion(WBF)方法,来对组合模型进行预测,该方法显著提高了组合预测矩形的质量。和原始YOLOv5算法进行比较,YOLOv5-CBAM-WBF算法的精确率、召回率以及平均精度分别提升了3.2%、2%和3.9%,表明该改进算法对于行人摔倒检测效果有了显著提升。
|
关 键 词: | 行人摔倒检测 YOLOv5算法 改进马赛克算法 CBAM注意力机制 加权盒函数 |
|