基于改进YOLOv5s的大熊猫姿态识别

作者：杨斌; 段昶^*; 陈鹏

来源：四川动物, 2023, 42(05): 490-497.

• YOLOv5s
• 坐标注意力
• BiFPN
• 可变形卷积
• 大熊猫姿态识别

针对大熊猫Ailuropoda melanoleuca姿态识别中，目标存在部分遮挡及背景相似造成识别难度大等问题，本研究对传统YOLOv5s动物姿态识别算法提出3点改进：主干网络引入坐标注意力改进C3模块，使目标定位更加精确；在颈部网络特征融合时，引入BiFPN结构，加强对有效特征的权重比例；在颈部网络特征输出时，采用可变形卷积代替传统卷积，提高对不规则目标的识别。对自制6类姿态数据集进行性能评估后表明，相对传统YOLOv5s模型，改进方法的mAP(0.5)/mAP(0.5∶0.95)达到89.26%/62.09%，提高了3.12%/3.96%，模型参数减少8.6%。本文提出的方法能够提高大熊猫姿态识别精度，为后续行为分析、饲养管理提供技术参考。

• 单位
  四川省濒危野生动物保护生物学重点实验室; 西南石油大学; 成都大熊猫繁育研究基地