摘要
يتمتع تقدير وضعية الجسم البشري والتعرف على الحركات بأهمية كبيرة في مجالات الأمن والرعاية الصحية والرياضة. لحل مشكلة تقدير وضعية الجسم البشري والتعرف على الحركات الرياضية تحت خلفيات وزوايا مختلفة، قدمت هذه الدراسة خوارزمية YOLOv7-POSE المحسنة وقامت بإنشاء مجموعة بيانات زوايا تصوير مختلفة للتدريب. تستند الخوارزمية إلى YOLOv7 وأضافت وظيفة التصنيف إلى النموذج الأصلي، كما أدخلت آلية الانتباه CA في الشبكة الأساسية Backbone لتعزيز قدرة الشبكة على التعرف على الميزات الهامة لتصنيف نقاط مفاصل الهيكل العظمي والحركات. استبدلت هيكل شبكة HorNet نواة الالتفاف CBS الأصلية، مما حسن دقة الكشف عن نقاط الجسم وتصنيف الحركة. استبدلت طبقة Head هيكل التجميع الهرمي الفضائي بهيكل التجميع الهرمي الفضائي المجوف، مما رفع دقة الكشف وسرّع تقارب النموذج. تم استبدال دالة الانحدار لمربع الكشف من CIOU إلى EIOU، مما حسن دقة الانحدار الإحداثي. تم تصميم مجموعتين من التجارب المقارنة، وأظهرت النتائج أن mAP لخوارزمية YOLOv7-POSE المحسنة بلغت 95.7% على مجموعة التحقق، بزيادة 4% مقارنة بالخوارزمية الأصلية YOLOv7، مع زيادة ملحوظة في دقة التعرف على الحركات الرياضية وانخفاض واضح في حالات الخطأ والتفويت في نقاط المفاصل أثناء الاستدلال الفعلي، وارتفاع دقة تقدير مواقع النقاط.
关键词
معالجة الصور;كشف النقاط الهامة;تقدير الوضعية;آلية الانتباه;التجميع الهرمي الفضائي المجوف
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