간단한 정신 상태 검사(CMMSE) 척도의 "세 단계 지시" 수동 채점은 평가자 간 및 평가자 내 변동이 있고, 과정이 시간 소모적이기 때문에, MLC-YOLO 기반의 객체 검출 방법을 제안하여 해당 동작의 자동 정확한 검출을 목표로 한다. 먼저, 인체 주요 부위와 종이에 대해 다단계 분류 객체 검출을 수행하고, 유사 최대 신뢰도 선택으로 후처리를 단순화하여 유사 객체의 고유성을 보장한다; 두 번째로, 적응형 공간 채널 분리 모듈을 설계하여 효율적인 다운샘플링을 실현한다; 그 다음 C3에 유령 컨볼루션과 웨이블릿 변환을 도입하여 다중 스케일 특징 추출의 효율성과 능력을 향상시킨다; 마지막으로, 소형 객체 검출 계층에는 공간 및 채널 협력 주의를 도입하여 복잡한 장면에서 정확도와 재현율을 높인다. 실험 결과 해당 방법의 mAP95는 61.8%에 도달하여 원본 모델보다 5.6% 향상되고, 파라미터 수는 51.52% 감소하여 방법의 유효성을 입증했으며, 고유 객체 및 다단계 분류 객체 검출 문제에 새로운 아이디어를 제공하고, MMSE 내 "세 단계 지시" 자동 채점에 효과적인 객체 검출 방법을 제공한다.

딥러닝;객체 검출;다단계 분류;경량 네트워크