摘要
本发明具体涉及一种基于CA‑YOLO的电力系统人员异常行为检测方法,包括:收集电力场景下人员行为图像形成数据集,预处理所述数据集,将所述数据集划分训练集、测试集和验证集;构建CA‑YOLO模型,所述CA‑YOLO模型包括Backbone部分、Neck部分以及Head部分,所述CA‑YOLO模型采用RFCAConv模块替换传统卷积层;所述Backbone部分采用C3k2‑CA模块替换传统C3k2模块;所述Neck部分采用CAFusion模块替换传统拼接层;所述Head部分的Detect模块采用EMAM‑MPDIoU损失函数;利用所述训练集和验证集训练所述CA‑YOLO模型,得到训练好的CA‑YOLO模型;利用训练好的所述CA‑YOLO模型对所述测试集进行电力场景下人员行为检测,得到电力场景下人员行为检测结果。本发明通过协调注意力机制和多尺度特征融合的设计,实现了电力场景下人员异常行为的精准检测。
技术关键词
YOLO模型
电力系统
注意力机制
输出特征
卷积模块
加权特征
场景
图像
坐标
Sigmoid函数
攀爬电线杆
训练集
生成高度
标注工具
融合特征
数据
度量
系统为您推荐了相关专利信息
小型无人机
静态特征
卡尔曼滤波
加权特征
卷积模块
强化学习模型
工厂设备
强化学习框架
时空注意力机制
设备运行数据
裂缝图像分割方法
上采样
解码器
全局平均池化
输出特征