篮球机器人的目标检测算法基于IBN-YOLOv5s算法
1Department of Physical Education and Research, Heilongjiang University, Harbin, 150080, China.
Scientific reports
|December 24, 2024
概括
这项研究介绍了一种改进的YOLOv5s模型,用于篮球机器人检测目标球. 改进后的模型实现了94.5%的准确性,显著提高了自动化运动性能.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的目标球检测对于自动化运动中的篮球机器人至关重要.
- 现有的方法可能缺乏智能竞争所需的精度.
研究的目的:
- 为篮球机器人开发一种有效的目标检测方法.
- 通过空间金字塔聚合和实例批量规范化来增强YOLOv5s模型.
主要方法:
- 使用了改进的YOLOv5s模型,包括空间金字塔聚合和实例批量规范化.
- 对比转移学习 (预培训) 与模型培训的随机初始化.
- 在YOLOv5s模型上评估了不同的增强方案.
主要成果:
- 转移学习的平均精度为0.918,超过了随机初始化.
- 优化方案 (方案2) 在数据集1.0上实现了94.5%的检测准确度.
- 拟议的算法在目标检测任务中表现出有效性和准确性.
结论:
- 改进的YOLOv5s模型与拟议的增强功能是有效的篮球机器人目标检测.
- 这项研究推进了篮球机器人技术,并支持高效的自动化篮球比赛.
- 开发的算法为未来的智能体育系统提供了技术基础.
