人员离岗自动识别算法依据Yolov5的Neck和Yolov4中一样，都采用FPN+PAN的结构。FPN是自顶向下，将高层的强语义特征传递下来，对整个金字塔进行增强，不过只增强了语义信息，对定位信息没有传递。PAN就是针对这一点，在FPN的后面添加一个自底向上的金字塔，对FPN补充，将低层的强定位特征传递上去，又被称之为”双塔战术”。
CSPNet和PRN都是一个思想，将feature map拆成两个部分，一部分进行卷积操作，另一部分和上一部分卷积操作的结果进行concate在网络的颈部，采用的是：FPN+PAN结构，进行丰富的特征融合，这一部分和YOLOv4的结构相同。
人员离岗行为识别结构的主要思想是通过slice操作来对输入图片进行裁剪。如下图所示，原始输入图片大小为6086083，经过Slice与Concat操作之后输出一个30430412的特征映射；接着经过一个通道个数为32的Conv层（该通道个数仅仅针对的是YOLOv5s结构，其它结构会有相应的变化），输出一个30430432大小的特征映射。
import os
from torch.utils.data import Dataset
from utils import *
from torchvision import transforms
transform = transforms.Compose([
transforms.ToTensor()
])
class MyDataset(Dataset):
def init(self, path):
self.path = path
self.name = os.listdir(os.path.join(path, ‘notedata’))
def len(self):
return len(self.name)
def getitem(self, index):
segment_name = self.name[index] #XX.png
segment_path = os.path.join(self.path, ‘notedata’, segment_name)
Original: https://blog.csdn.net/KO_159/article/details/127823477
Author: 燧机科技
Title: 人员离岗自动识别系统
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/660260/
转载文章受原作者版权保护。转载请注明原作者出处！