基于改進(jìn)YOLOv5的溺水人員檢測(cè)

打開文本圖片集

摘 要： 針對(duì)情況復(fù)雜而無法實(shí)現(xiàn)人員全天全面監(jiān)管的場(chǎng)所，在實(shí)時(shí)檢測(cè)人員防溺水方面存在困難的問題，提出了一種融合統(tǒng)一注意力機(jī)制動(dòng)態(tài)頭的YOLOv5－Dy－GBCA模型。首先，通過在YOLOv5的Head前引入動(dòng)態(tài)檢測(cè)頭（DyHead），增強(qiáng)頭部感知目標(biāo)的空間位置、尺度和檢測(cè)任務(wù)的能力；其次，將Backbone中的C3模塊替換成由GhostBottleneck結(jié)構(gòu)和坐標(biāo)注意力模塊（CA）構(gòu)成的幻影坐標(biāo)注意力特征提取模塊（GBCA），有效改善了因水上人員相互遮擋、人體在水面浮現(xiàn)體積較少而造成輸入的特征語(yǔ)義信息不豐富，特征信息提取不足的問題；然后，引入加權(quán)雙向特征金字塔網(wǎng)絡(luò)（BiFPN），增強(qiáng)模型在不同尺度上的特征融合能力；最后，采用Focal－EIoU損失函數(shù)，改善難易樣本不平衡對(duì)檢測(cè)結(jié)果的影響。（剩余13358字）