.png){kind=icon}
返回
Multi-scale motion perception fall detection algorithm based on video swin transformer
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04358-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摔倒检测是医疗保健领域的一个重要课题。现代监测技术和深度学习的进步激发了社会对视觉摔倒检测的浓厚兴趣。尽管由于深度学习方法的卓越特征提取能力，在视频摔倒检测中取得了成功，但它们在分析长距离或短距离时空相关性方面仍面临挑战。考虑到这一点，本研究提出了一种基于视频Swin Transformer的多尺度运动感知摔倒检测算法。我们提出的方法采用视频Swin Transformer作为骨干网络，以充分建模视频的全局和局部时空信息，并通过两种集成模块优化骨干网络。一方面，我们设计了一个多尺度运动信息聚合模块，以克服模型在关注关键多尺度运动特征方面的困难；另一方面，我们提出了一个标记剪枝模块，通过剪枝冗余时间标记来降低计算成本。实验结果表明，所提出的算法展现出有前景的效果，在Le2i和UR摔倒检测数据集上的准确率分别达到96.11%和97.05%，从而超越了部分现有先进算法。
Keyword:
Fall detection
Deep learning
Computer vision
Video swin transformer
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
引用论文
.png){kind=icon}
Deep learning based active learning technique for data annotation and improve the overall performance of classification models基于深度学习的数据标注主动学习技术，提高分类模型的整体性能
PREAI
分享收藏分享收藏
查看更多内容