一种基于融合NAM的YOLOv7人头识别方法技术

本发明专利技术涉及一种基于融合NAM的YOLOv7人头识别方法，包括：收集和标注用于训练的人头图像，采用DAT方法，增强视觉表征能力，并构建人头图像数据集；对基于YOLOv7框架搭建的人头识别模型进行改进，引进Hornet递归门控卷积gnConv模块重构目标检测颈部网络；在Backbone与Head的连接处增加NAM注意力机制；采用NWD替代损失函数来优化模型训练过程；利用构建的人头数据集对人头识别模型进行训练，直至模型收敛，并得到训练完成的模型。与现有技术相比，本发明专利技术采用DAT方法、引入gnConv操作、NAM注意力机制和NWD损失函数，提高模型的鲁棒性以及对人头识别的准确度和精确度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，特别是一种基于融合nam的yolov7人头识别方法。

技术介绍

1、近年来，人工智能在安防、城市管理、交通监控等领域的广泛应用对高效准确的人头识别方法提出了需求，同时深度学习技术在计算机视觉领域的应用取得了显著的成果。在深度学习中，目标检测任务是指通过计算机视觉技术，对图像或视频中的特定目标进行定位和分类的任务，而人头识别任务则是目标检测任务的一个特定应用，旨在检测和识别图像或视频中的人头目标。一般情况下，人头识别任务会涉及到多个人头目标的同时检测，因此也需要进行多目标检测，这是一项具有挑战性的任务。值得注意的是，与一般的目标检测任务不同，人头识别问题的独特性在于：(1)人头作为目标对象具有一些独特的特点，如复杂的形状、大小和姿态变化、容易受到遮挡等；(2)人头识别常常应用于视频监控领域，因此具有针对连续帧视频数据的特殊需求，与静态图像不同，视频中的人头目标可能会发生运动、变形和遮挡，在人头识别任务中需要考虑时序信息、目标跟踪和动态背景等问题。此外，人头识别通常需要满足高效实时的需求，特别是在视频监控场景下，及时准确地检测和跟踪人本文档来自技高网...

【技术保护点】

1.一种基于融合NAM的YOLOv7人头识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于融合NAM的YOLOv7人头识别方法，其特征在于：包括步骤S1具体包括以下步骤：

3.根据权利要求1所述的一种基于融合NAM的YOLOv7人头识别方法，其特征在于：步骤S2具体包括以下步骤：

4.根据权利要求1所述的一种基于融合NAM的YOLOv7人头识别方法，其特征在于：步骤S3具体包括以下步骤：

5.根据权利要求1所述的一种基于融合NAM的YOLOv7人头识别方法，其特征在于：步骤S4具体包括以下步骤：

【技术特征摘要】

1.一种基于融合nam的yolov7人头识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于融合nam的yolov7人头识别方法，其特征在于：包括步骤s1具体包括以下步骤：

3.根据权利要求1所述的一种基于融合nam的yolov7人头识别方法...

【专利技术属性】
技术研发人员：柯逍，陈欣莹，
申请(专利权)人：福州大学，
类型：发明
国别省市：