针对因攀岩动作复杂、攀岩过程中人体姿态容易受到遮挡导致目标检测困难的问题,提出一种基于改进YOLOv8s-Pose的攀岩动作检测算法。首先,用GhostBottleneck模块代替C2f模块,减少特征通道融合过程中的浮点运算量,降低模型参数量;其次,引...针对因攀岩动作复杂、攀岩过程中人体姿态容易受到遮挡导致目标检测困难的问题,提出一种基于改进YOLOv8s-Pose的攀岩动作检测算法。首先,用GhostBottleneck模块代替C2f模块,减少特征通道融合过程中的浮点运算量,降低模型参数量;其次,引入EMA(exponential moving average)注意力机制,提高重要特征的权重,降低无关特征的权重;最后,引入CARAFE(content-awarereassembly of features)上采样算子,获得较大的感受野,提升上采样操作特征提取能力,使网络能够捕获到更丰富的特征语义信息。实验结果表明:在攀岩姿态数据集上,改进算法与原算法相比,mAP50提高了1.56%,模型大小缩小12.77%,参数量降低了12.83%,模型计算量降低且精度提升,能够实时准确地检测攀岩动作。展开更多
文摘针对因攀岩动作复杂、攀岩过程中人体姿态容易受到遮挡导致目标检测困难的问题,提出一种基于改进YOLOv8s-Pose的攀岩动作检测算法。首先,用GhostBottleneck模块代替C2f模块,减少特征通道融合过程中的浮点运算量,降低模型参数量;其次,引入EMA(exponential moving average)注意力机制,提高重要特征的权重,降低无关特征的权重;最后,引入CARAFE(content-awarereassembly of features)上采样算子,获得较大的感受野,提升上采样操作特征提取能力,使网络能够捕获到更丰富的特征语义信息。实验结果表明:在攀岩姿态数据集上,改进算法与原算法相比,mAP50提高了1.56%,模型大小缩小12.77%,参数量降低了12.83%,模型计算量降低且精度提升,能够实时准确地检测攀岩动作。
