一种改进YOLOv5的课堂异常行为感知检测算法 |
| |
引用本文: | 朱先远,王松林,周叶凡,韩海峰.一种改进YOLOv5的课堂异常行为感知检测算法[J].齐齐哈尔大学学报(自然科学版),2023(1):46-52. |
| |
作者姓名: | 朱先远 王松林 周叶凡 韩海峰 |
| |
作者单位: | 安徽商贸职业技术学院信息与人工智能学院 |
| |
基金项目: | 安徽省教育厅自然科学研究重点项目(KJ2020A1081,KJ2021A1483);;安徽省质量工程项目(2020zyq29); |
| |
摘 要: | YOLOv5算法能够对异常行为进行检测,大幅度提高异常行为识别的准确率和速度。然而,其参数规模较大,GPU计算量大,不适合在资源受限的嵌入式终端上进行安装部署;同时,其对目标密集、易产生遮挡的学生课堂异常行为识别表现不佳。针对上述问题提出了融合MobileNetV3的YOLOv5算法,该算法通过改进网络结构提升了算法效率,通过小目标锚框改进了相互遮挡的多目标识识别能力。最后,在基准数据集上的实验结果表明该算法网络模型参数量优于现有的YOLOv5算法,同时该算法在课堂异常行为数据集上表现出更好的识别效果。
|
关 键 词: | 卷积神经网络 YOLOv5算法 异常行为检测 机器视觉 |
|
|