-
题名基于MBE-YOLO的轻量化井下行人检测模型
被引量：1
- 1
-
-
作者
张娜
彭文韬
赵强
汝洪芳
吴信元
-
机构
黑龙江科技大学电气与控制工程学院
东北林业大学机电工程学院
-
出处
《矿业研究与开发》
北大核心
2025年第5期192-199,共8页
-
基金
黑龙江省普通高校青年创新人才培养计划项目(UNPYSCT-2020034)
黑龙江省省属本科高校基本科研业务费青年创新人才培育计划项目(2022-KYYWF-0561)
+1 种基金
黑龙江科技大学博士后科研启动基金项目(2025BSH01)
黑龙江省省属高等学校基本科研业务费项目(2023-KYYWF-0545)。
-
文摘
针对目前地下矿山行人检测算法计算量大、检测速度慢的问题,在YOLOv8n的基础上提出了一种MBE-YOLO的轻量化井下行人检测模型。首先,在加权双向特征金字塔网络基础上设计出一种更加轻量的颈部结构,能够简单高效地融合多尺度信息;其次,采用共享卷积的方式对原有网络的检测头进行重设计,并引入幻影卷积获取丰富有效的特征表示,解决了原始检测头参数量巨大的问题;最后,考虑到轻量化模型对精度的影响,添加了较为轻量的混合局部通道注意力机制,通过在全局和局部层面上自适应调节不同区域的重要性,进而提高精度。试验结果表明,相比于基准模型YOLOv8n, MBE-YOLO模型的mAP@0.5:0.95提升了0.2个百分点,计算量下降了44%,FPS上升了4.3帧/s,参数量下降了46%,模型大小减少了43%;与5种主流模型相比,该模型的检测精度和轻量化程度都具有较大的优势,更适合于实时检测场景。
-
关键词
地下矿山
行人检测
mbe-yolo
轻量化
-
Keywords
Underground mine
Pedestrian detection
mbe-yolo
Lightweight
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
