摘要
نظراً لوجود ظاهرة تفويت الكشف للأهداف الكثيفة والأهداف الصغيرة في خوارزميات الكشف الحالية لارتداء الخوذة، إلى جانب وجود العديد من المعاملات وحجم الحساب الكبير، والتي تجعلها غير مناسبة للنشر على الأجهزة المضمنة، فقد تم اقتراح خوارزمية محسنة للكشف عن ارتداء الخوذة YOLOv5-Q. أولاً، تم إجراء عملية تكبير مرتين على خريطة الميزات الأصلية 80×80 لتكوين خريطة ميزات 160×160، وتم دمج خريطة الميزات الجديدة مع ثلاث طبقات ميزات من النموذج الأصلي لتشكيل كشف بأربعة مقاييس، مما حسن دقة الكشف للأهداف الكثيفة والصغيرة. ثانياً، تم استبدال الشبكة الرئيسية الأصلية لـYOLOv5 بشبكة GhostNet خفيفة الوزن لاستخراج الميزات، مما خفض عدد معاملات الشبكة، وتمكنت من الترحيل إلى الأجهزة المضمنة لتنفيذ الكشف عن الأهداف. أخيراً، تم إضافة آلية الانتباه CA لرفع وزن المعلومات الهامة في خريطة الميزات وقمع وزن المعلومات غير ذات الصلة، مما حسن دقة النموذج. أظهرت نتائج التجارب أن حجم نموذج YOLOv5-Q يبلغ 26.47 ميغابايت، وعدد المعاملات 12,696,640، والدقة 0.937. مقارنةً بـYOLOv5، انخفض عدد المعاملات في خوارزمية YOLOv5-Q بنسبة 39.12٪، وانخفض حجم النموذج بنسبة 37.2٪، لكن الدقة انخفضت بنسبة 1.2٪ فقط. حسّنت خوارزمية YOLOv5-Q دقة الكشف عن الأهداف الصغيرة في البيئات الكثيفة واستجابت لمتطلبات النشر على الأجهزة المضمنة.
关键词
YOLOv5;خفيفة الوزن;خوذة أمان;مضمنة;آلية الانتباه
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website