基于改进YOLOv5s的大熊猫姿态识别

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。