融合自注意机制的矿工行为识别算法

分享到

【作者】赵月爱，郝慧琦，王玲
【刊名】计算机技术与发展
【作者单位】¹太原师范学院计算机科学与技术学院；²山西智能优化计算与区块链技术重点实验室；³山西大学自动化与软件学院
【ISSN】1673-629X
【关键词】煤矿监控检测不安全行为识别目标检测自注意力机制融合边界框损失函数
【摘要】我国煤矿工业建设已逐步转化为智能化模式，采用深度学习算法识别煤矿监控视频中矿工不安全行为具有十分重要的意义。但煤矿井下环境恶劣，提取矿工行为特征干扰大，目前目标检测算法存在精度低，计算量大的问题。针对这些挑战，本文提出了一种融合自注意机制的矿工行为识别模型CMFA-YOLO，采用ConvNeXt V2模块来替代原有YOLOv8n中的C2f模块，实现了Transformer思想与目标检测领域的完美融合，有效降低了模型计算量。进一步采用融合边界框损失函数MF-IoU提高模型的精度。此外引入了自适应空...
【文献类型】期刊