换一批摘要针对大熊猫Ailuropoda melanoleuca姿态识别中,目标存在部分遮挡及背景相似造成识别难度大等问题,本研究对传统YOLOv5s动物姿态识别算法提出3点改进:主干网络引入坐标注意力改进C3模块,使目标定位更加精确;在颈部网络特征融合时,引入BiFPN结构,加强对有效特征的权重比例;在颈部网络特征输出时,采用可变形卷积代替传统卷积,提高对不规则目标的识别.对自制6类姿态数据集进行性能评估后表明,相对传统YOLOv5s模型,改进方法的mAP(0.5)/mAP(0.5∶0.95)达到89.26%/62.09%,提高了3.12%/3.96%,模型参数减少8.6%.本文提出的方法能够提高大熊猫姿态识别精度,为后续行为分析、饲养管理提供技术参考.
更多相关知识
关键词
YOLOv5s坐标注意力BiFPN可变形卷积大熊猫姿态识别YOLOv5scoordinate attentionBiFPNdeformable convolutiongiant panda pose recognition
分类号
Q959.8
栏目名称
DOI
10.11984/j.issn.1000-7083.20220378
发布时间
2023-10-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览9
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
