排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
本研究首先构建了深度聚合网络(deep layer aggregation,DLA),用于替换Yolov7-pose算法中原有的特征融合网络,增强了特征的表达;其次,将高效聚合网络(efficient layer aggregation Net, ELAN)和尺度感知注意力网络(scale-aware attention Net, SAAN)融合在一起,引入到Yolov7-pose算法中;然后,引入尺度因子到Yolov7-pose算法的损失函数中,并通过实验确定尺度因子最佳值。实验结果表明,经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时,不再出现关键点异常现象,姿态识别的精度达到95%以上,运行效率达到24 FPS以上,综合性能显著优于原始Yolov7-pose算法等算法。 相似文献
1