摘要
本发明公开了一种矿工入井穿戴设备识别方法、装置、介质和设备,涉及矿井作业安全技术领域。为了解决现有目标识别模型抗干扰能力差导致的穿戴设备识别结果不准确这一技术问题,本发明通过在原始YOLOv5网络的主干网络中添加与主干网络并行的主成分卷积耦合模块,以对原始YOLOv5进行改进,从而提高穿戴设备识别模型性能的抗干扰能力。主成分分析层通过主成分提取操作以去除待识别图像中与非穿戴设备无关的冗余特征,保留了输入图像或特征中的主要特征;将主成分分析层的输出与YOLOv5主干网络中的CBS模块的输出融合后再进行主成分提取,进一步增强了在特征传递过程中的穿戴设备特征,从而可以获得更准确的穿戴设备识别结果。
技术关键词
成分分析
穿戴设备
网络
输出端
融合特征
识别方法
注意力机制
冗余特征
图像
多尺度卷积核
分支
模型训练模块
加权特征
处理器
识别装置
计算机设备
识别模块
可读存储介质
系统为您推荐了相关专利信息
贝叶斯神经网络
设计优化方法
电子元器件
强化学习策略
变量
交互模型
网络管理
交互方法
硬件管理接口
预训练模型
可穿戴设备
心电图传感器
加速度
手势交互方法
时间段