期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进的YOLOv8s摔倒检测算法研究
1
作者 朱强军 程靓靓 +1 位作者 汪慧兰 王杨 《电子测量技术》 北大核心 2024年第19期190-196,共7页
为了能够准确的识别老人摔倒姿态,提出了一种改进的YOLOv8s摔倒检测模型。首先,在YOLOv8s模型的主干网络中引入SE注意力机制模块,将通道特征分成多个子图特征,让不同组的特征进行融合,使网络自适应地聚焦于关键特征,抑制对当前任务贡献... 为了能够准确的识别老人摔倒姿态,提出了一种改进的YOLOv8s摔倒检测模型。首先,在YOLOv8s模型的主干网络中引入SE注意力机制模块,将通道特征分成多个子图特征,让不同组的特征进行融合,使网络自适应地聚焦于关键特征,抑制对当前任务贡献度较小的特征,提高了特征提取能力;其次,用EIoU替换CIoU损失函数,加快收敛速度,提高了模型的精确率和稳定性;最后,将训练好的模型在URFD+等数据集上验证。实验结果表明,该模型精确率达到了99.50%,召回率达到了99.00%,mAP50达到了99.50%,比原模型的性能全面提升。与YOLOv5s+K-means++模型比较,精确率提升了3.22%,召回率提升了5.32%,mAP50提升了2.38%;与C2D-YOLO模型比较,精确率提升了10.00%,召回率提升了11.40%,mAP50提升了7.80%;与YOLOv5s+C3new模型比较,精确率提升了2.50%,召回率提升了6.80%,mAP50提升了4.1%。改进后模型较原模型和目前先进模型有较大的优势。 展开更多
关键词 摔倒检测 yolov8s算法 EIoU损失函数 sE注意力机制
在线阅读 下载PDF
基于多尺度注意力机制的无人机小目标检测算法
2
作者 冯迎宾 郭枭尊 晏佳华 《兵工学报》 北大核心 2025年第1期12-21,共10页
针对无人机航拍图像密集度大、目标尺寸小、背景复杂等难点,提出一种基于多尺度注意力机制的小目标检测(Small target detection of BPAN-EF_C2f YOLOv8s,SBE_YOLOv8s)算法,通过设计一种基于多尺度注意力机制的特征提取模块(EMA-Faster ... 针对无人机航拍图像密集度大、目标尺寸小、背景复杂等难点,提出一种基于多尺度注意力机制的小目标检测(Small target detection of BPAN-EF_C2f YOLOv8s,SBE_YOLOv8s)算法,通过设计一种基于多尺度注意力机制的特征提取模块(EMA-Faster Block_C2f,EF_C2f),替换YOLOv8网络中的C2f模块,提高网络对小目标特征的提取能力;在特征融合网络中增加P1检测层,并设计一种跨尺度特征融合结构(Bi-Path Aggregation Network,BPAN),融合小目标特征信息;增加一个微小目标检测头,使用SIoU Loss作为边界框损失函数,提升小目标检测精度和网络收敛速度。在公开数据集VisDrone2019上进行实验验证。验证结果表明:与YOLOv8s算法相比,新算法在检测精度上提升了6.9%、mAP50提升了9.1%,模型参数量减少了44.6%,检测速度为28帧/s,新算法在小目标检测领域具有一定的实用性。 展开更多
关键词 多尺度注意力机制 yolov8s算法 特征提取 跨尺度特征融合 小目标检测
在线阅读 下载PDF
一种基于CAL-YOLO的海上航空搜救目标检测算法
3
作者 郭秀文 杨林 +1 位作者 刘济民 张朝阳 《空天预警研究学报》 CSCD 2024年第3期196-201,共6页
针对在海上复杂环境搜救任务下,目标尺寸小,且搜救飞机在不同高度和视角下观测到的搜救目标特征各异或存在遮挡等因素造成搜救目标漏检、误检的问题,提出了一种基于CAL-YOLO的海上航空搜救目标检测算法.该算法基于YOLOv8s开源框架改进,... 针对在海上复杂环境搜救任务下,目标尺寸小,且搜救飞机在不同高度和视角下观测到的搜救目标特征各异或存在遮挡等因素造成搜救目标漏检、误检的问题,提出了一种基于CAL-YOLO的海上航空搜救目标检测算法.该算法基于YOLOv8s开源框架改进,引入坐标注意力机制和小目标检测层,以优化海上航空搜救目标检测性能,从而提高海上航空搜救工作效率.实验结果表明,该算法在mAP50的评价指标上提高了11.8%,在mAP50:95评价指标上提高了8.8%. 展开更多
关键词 海上航空搜救 yolov8s算法 小目标检测层 坐标注意力机制
在线阅读 下载PDF
应用深度学习的学生课堂行为分析系统
4
作者 张晓宇 黄宇承 包燕 《福建电脑》 2025年第4期56-62,共7页
为全面了解学生的课堂学习状态,本文开发一个学生课堂行为的分析系统。系统基于深度学习技术,采用人体姿态估计技术、OpenPose模型和YOLOv8s算法来分析学生的课堂行为。实验的结果表明,YOLOv8s算法具有较高的识别准确性,系统能有效辅助... 为全面了解学生的课堂学习状态,本文开发一个学生课堂行为的分析系统。系统基于深度学习技术,采用人体姿态估计技术、OpenPose模型和YOLOv8s算法来分析学生的课堂行为。实验的结果表明,YOLOv8s算法具有较高的识别准确性,系统能有效辅助教师了解学生的学习状态,有助于促进教学管理的智能化。 展开更多
关键词 课堂学习状态 人体姿态估计 yolov8s算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部