原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2025年1月25日现代信息科技Jan.2025
第9卷第2期ModernInformationTechnologyVol.9No.2
DOI:10.19850/ki.2096-4706.2025.02.007
结合注意力机制和特征加权融合的高效跌倒检测模型
111，41，2，3
牟雪楠，余洁镱，王胤，胡文军
（，；，
1.湖州师范学院信息工程学院浙江湖州3130002.湖州师范学院湖州市水域机器人技术重点实验室浙江湖州
；，；
3130003.浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州3130004.浙江行见医联科技有限责任公
司，）
浙江湖州313399
摘要：跌倒已成为公共安全最大的风险之一，及时发现跌倒是开展有效救助的首要前提。基于计算机视觉的目
标检测是当前跌倒检测的主流方法，但真实场景中的复杂因素导致现有模型仍面临准确率不高、鲁棒性不强和部署困
难等问题，在EfficientDet基础上提出轻量级跌倒检测模型FD-EfficientDet，该模型首先将EMA注意力机制引入主
干网络来增强对输入数据的理解和表示能力，提升检测准确率；其次，设计EMA-Fused-MBConv模块用于主干网络，加
快模型训练和防止模型退化；最后，提出SKIPS-BiFPN结构并用其构建Neck层，实现主干网络不同阶段特征的加权融合，
进而增强模型鲁棒性。实验结果表明，FD-EfficientDet模型相比EfficientDet模型mAP提升17.65%，鲁棒性、轻量
化等方面具有较好优势。
关键词：跌倒检测；EfficientDet；轻量级；鲁棒性；准确性
中图分类号：TP183；TP391.4文献标识码：A文章编号：2096-4706（2025）02-0038-08
EfficientFallDetectionModelCombiningAttentionMechanismandFeature
WeightedFusion
111,41,2,3
MUXuenan,YUJieyi,WANGYin,HUWenjun
(1.SchoolofInformationEngineering,HuzhouUniversity,Huzhou313000,China;2.HuzhouKeyLaboratoryofAquaticRobot
Technology,HuzhouUniversity,Huzhou313000,China;3.ZhejiangProvinceKey
文档评论（0）