典型文献
基于优化YOLOv5s的跌倒人物目标检测方法
文献摘要：
针对目标检测模型在人物跌倒时易漏检、鲁棒性和泛化能力差等问题，提出一种基于改进YOLOv5s 的跌倒人物目标检测方法 YOLOv5s-FPD。首先，对 Le2i 跌倒数据集使用多种方式扩充后用于模型训练，增强模型鲁棒性和泛化能力；其次，使用MobileNetV3作为主干网络来进行特征提取，协调并平衡模型的轻量化和准确性关系；然后，利用 BiFPN 改善模型多尺度特征融合能力，提高了融合速度和效率，并使用CBAM轻量级注意力机制实现注意力对通道和空间的双重关注，增强了注意力机制对模型准确性地提升效果；最后，引入Focal Loss损失评价从而更注重挖掘困难样本特征，改善正负样本失衡的问题。实验结果表明，在Le2i跌倒数据集上YOLOv5s-FPD模型比原YOLOv5s模型，在精确度、F1分数、检测速度分别提高了2.91%， 0.03和8.7 FPS，验证了该方法的有效性。
文献关键词：
目标检测;YOLOv5s;MobileNetV3;轻量级注意力;多尺度特征融合;焦点损失函数
中图分类号：
作者姓名：
武历展;王夏黎;张倩;王炜昊;李超
作者机构：
长安大学信息工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]武历展;王夏黎;张倩;王炜昊;李超-.基于优化YOLOv5s的跌倒人物目标检测方法)[J].图学学报,2022(05):791-802
A类：
B类：
YOLOv5s,跌倒,目标检测方法,目标检测模型,漏检,泛化能力,FPD,Le2i,倒数,模型训练,增强模型,模型鲁棒性,MobileNetV3,主干网络,BiFPN,多尺度特征融合,融合能力,合速度,CBAM,轻量级注意力机制,提升效果,Focal,Loss,困难样本,样本特征,正负样本,检测速度,FPS,焦点损失函数
AB值：
0.341784
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
