基于YOLOv5s的滑雪人员检测研究

被引：3

作者：

彭雅坤

曹伊宁

刘晓群

机构：

[1] 河北建筑工程学院信息工程学院

来源：

长江信息通信 | 2021年 / 34卷 / 08期

关键词：

人工智能; 计算机视觉; YOLOv5s网络模型; 目标检测; 滑雪人员检测;

D O I：

暂无

中图分类号：

TP391.41 []; G86 [水上、冰上与雪上运动];

学科分类号：

080203 ;

摘要：

针对滑雪人员目标检测研究中,存在的检测精度低、速度慢,不同姿态识别效果差等问题,采用YOLOv5s网络模型,改进损失函数,增加平衡因子,在自制滑雪人员数据集上对网络进行训练,利用训练好的网络进行图像特征提取,实现滑雪人员的快速检测。基于YOLOv5s的滑雪人员检测模型可以有效识别不同姿态下的滑雪人员,mAP值达到99.87%,Recall值达到97.66%,检测速度可以达到7ms/帧。实验结果表明,改进的YOLOv5s滑雪人员检测模型,检测速度快,检测精度高,鲁棒性强,有较好的可扩展性,既满足检测精度要求,又满足检测速度要求。

引用

页码：24 / 26

页数：3

共 5 条

[1] 冬奥背景下我国大众滑雪消费行为意向研究——以崇礼地区为例
白蕴超
林显鹏
[J]. 沈阳体育学院学报, 2021, 40 (02) : 77 - 85
[2] Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression[J] . Seyed Hamid Rezatofighi,Nathan Tsoi,JunYoung Gwak,Amir Sadeghian,Ian D. Reid 0001,Silvio Savarese.CoRR . 2019
[3] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
Ren, Shaoqing
He, Kaiming
Girshick, Ross
Sun, Jian
[J]. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2017, 39 (06) : 1137 - 1149
[4] Rich feature hierarchies for accurate object detection and semantic segmentation[J] . Ross B. Girshick,Jeff Donahue,Trevor Darrell,Jitendra Malik.CoRR . 2013
[5] The Pascal Visual Object Classes (VOC) Challenge
Everingham, Mark
Van Gool, Luc
Williams, Christopher K. I.
Winn, John
Zisserman, Andrew
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) : 303 - 338

← 1 →