改进YOLOv7⁃tiny与D⁃S理论结合的实验室人员行为检测研究
打开文本图片集
摘 要： 针对目前实验室场景缺少对人员行为检测的方法，且主流算法精度低、误检率高的问题，文中提出一种改进YOLOv7⁃tiny的人员行为检测算法，并通过多源信息融合，提高人员行为在实际实验室场景中的识别准确率。首先，在检测算法主干网络引入GhostNetV2轻量化网络，进一步降低模型计算量和复杂度；其次，在颈部网络嵌入改进后的CBAM_E注意力模块，加强目标重要特征的提取；再次，在预测端使用SIoU替换原有的损失函数，减少角度因素和边界框回归精度的影响。（剩余12295字）