部位分割引导下的小目标护具检测方法研究
Journal: Engineering and Management Science DOI: 10.32629/ems.v8i6.20611
Abstract
针对工业场景中小目标护具检测存在特征表征不足、背景干扰强、漏检误检率高、精度与实时性难以平衡等问题，本文提出一种部位分割引导下的小目标护具检测方法。该方法以人体部位分割为前置引导，精准锁定护具潜在区域以缩小检测范围；通过改进SPP空间金字塔池化与CBAM-Lite轻量注意力机制实现部位候选区域提纯，构建FG-CBAM细粒度注意力模块强化护具细微特征提取，并设计常规尺寸与小目标护具差异化特征增强策略，结合自适应尺度选择与双分支分类结构完成护具佩戴状态判定。实验结果表明，所提方法有效提升小目标护具检测精度与鲁棒性，降低复杂背景干扰，兼顾模型实时性与工程部署需求，适用于工厂、工地等工业安防场景。
Keywords
多尺度特征增强；小目标检测；部位分割；计算机视觉
Full Text
PDF - Viewed/Downloaded: 9 TimesReferences
[1] Xue H., Chen J., Tang R. Improved YOLOv8 for Small Object Detection[J]. Proceedings of the 2024 5th International Conference on Computing, Networks and Internet of Things, 2024:266-272.
[2] Xu Y., Lu J., Wang C. YOLO-SOD: Improved YOLO Small Object Detection[C]//Pacific Rim International Conference on Artificial Intelligence.Springer, Singapore, 2025.
[3] Hu G.X., Zhong Y., Lei H., Han J.M. Small Object Detection with Multiscale Features[J].International Journal of Digital Multimedia Broadcasting, 2018, 2018:1-10.
[4] 肖振久,张杰浩,林渤翰.特征协同与细粒度感知的遥感图像小目标检测[J].光电工程,2024,51(6):中插4,46-58.
[5] 方岩,袁国宏,孙正宝,等.基于多尺度特征融合和注意力机制的小目标检测[J].云南大学学报（自然科学版）,2026,48(1):36-44. 复杂地形条件下接触网设计难点与对策分析 杨承 中铁二院工程集团有限责任公司 四川成都 610000
[2] Xu Y., Lu J., Wang C. YOLO-SOD: Improved YOLO Small Object Detection[C]//Pacific Rim International Conference on Artificial Intelligence.Springer, Singapore, 2025.
[3] Hu G.X., Zhong Y., Lei H., Han J.M. Small Object Detection with Multiscale Features[J].International Journal of Digital Multimedia Broadcasting, 2018, 2018:1-10.
[4] 肖振久,张杰浩,林渤翰.特征协同与细粒度感知的遥感图像小目标检测[J].光电工程,2024,51(6):中插4,46-58.
[5] 方岩,袁国宏,孙正宝,等.基于多尺度特征融合和注意力机制的小目标检测[J].云南大学学报（自然科学版）,2026,48(1):36-44. 复杂地形条件下接触网设计难点与对策分析 杨承 中铁二院工程集团有限责任公司 四川成都 610000
Copyright © 2026 杨子江
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License