Поскольку ручная оценка команды "три шага" в шкале упрощенного теста психического состояния (CMMSE) подвержена вариациям между оценщиками и внутри одного оценщика, а процесс занимает много времени, предложен метод обнаружения объектов на основе MLC-YOLO, направленный на автоматическое и точное определение данного действия. Во-первых, выполнено многоуровневое классификационное обнаружение ключевых частей тела и бумаги с использованием упрощенной постобработки выбора максимального схожего достоверного значения для обеспечения уникальности однородных объектов; во-вторых, разработан адаптивный модуль пространственного и канального разложения для эффективного понижения выборки; затем в C3 введены призрачная свертка и вейвлет-преобразование для повышения эффективности и способности извлечения многоуровневых признаков; наконец, для слоя обнаружения мелких объектов введено совместное пространственное и канальное внимание для повышения точности и полноты в сложных условиях. Экспериментальные результаты показали, что mAP95 данного метода достиг 61,8%, увеличившись на 5,6% по сравнению с оригинальной моделью, а количество параметров уменьшилось на 51,52%, что подтвердило эффективность метода, представило новый подход к проблеме обнаружения уникальных и многоуровневых классификационных объектов, а также предложило эффективный метод автоматической оценки команды "три шага" в MMSE.

глубокое обучение;обнаружение объектов;многоуровневая классификация;легкая сеть