改進YOLOv7?tiny與D?S理論結(jié)合的實驗室人員行為檢測研究

打開文本圖片集

摘  要： 針對目前實驗室場景缺少對人員行為檢測的方法，且主流算法精度低、誤檢率高的問題，文中提出一種改進YOLOv7?tiny的人員行為檢測算法，并通過多源信息融合，提高人員行為在實際實驗室場景中的識別準確率。首先，在檢測算法主干網(wǎng)絡(luò)引入GhostNetV2輕量化網(wǎng)絡(luò)，進一步降低模型計算量和復(fù)雜度；其次，在頸部網(wǎng)絡(luò)嵌入改進后的CBAM_E注意力模塊，加強目標重要特征的提??；再次，在預(yù)測端使用SIoU替換原有的損失函數(shù)，減少角度因素和邊界框回歸精度的影響。（剩余12295字）