龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：平顶山学院
摘要：本发明公开了边缘计算架构下员工异常行为智能识别方法及系统，本发明用DSConv卷积替换YOLOv10n中的Conv卷积，采用DSConv以提高卷积层的内存效率和速度；使用PolarizedSelf‑Attention替换原有的PSA提高IIDA网络的效率和准确性同时减少计算量；添加YOLO‑MS模块，采用层次化的方式融合并增强来自网络不同层次的特征，有助于模型在处理细粒度和粗粒度信息时的表现；在网络的不同阶段使用不同大小的卷积核，以适应不同尺度的特征表示，提高了IIDA网络在进行员工异常行为识别过程中的鲁棒性和泛化能力；本发明将训练后的IIDA网络部署到Atlas200IDKA2边缘计算盒子以确保实时的数据分析与预警，兼顾了员工行为检测的检测速度、检测精度和检测便利度。
主权项：1.一种边缘计算架构下员工异常行为智能识别方法，其特征在于，包括以下步骤：S1、对YOLOv10n网络进行改进，得到IIDA网络：将YOLOv10n中除骨干网络中第一个Conv卷积层的其余Conv卷积层替换为DSConv卷积层，将YOLOv10n中的PSA层替换为PolarizedSelf-Attention层，在YOLOv10n的颈部网络与检测头之间添加YOLO-MS模块，得到改进后的YOLOv10n网络，即IIDA网络；S2、将训练后的IIDA网络部署到边缘计算架构中；S3、获取待识别图像并进行预处理，得到预处理后的待识别图像；S4、通过训练后的IIDA网络的骨干网络提取预处理后的待识别图像的不同深度的特征；S5、通过训练后的IIDA网络的颈部网络对骨干网络提取的不同深度的特征进行融合，得到不同深度的融合特征；S6、通过YOLO-MS模块对不同深度的融合特征进行特征增强，得到增强后的特征；S7、通过训练后的IIDA网络的检测头对增强后的特征进行异常行为分类识别，得到员工异常行为识别结果。
全文数据：
权利要求：
百度查询： 平顶山学院 边缘计算架构下员工异常行为智能识别方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号