<b>题目-海上作业人员PPE穿戴与小目标定位检测方法：改进的YOLOv11模型及目标识别</b><b>Short Title-Detection method of PPE wearing and small target positioning for offshore operators</b>

针对海上环境中作员的个人防护设备 （PPE） 佩戴状态监测中样本不足、类别不完整和检测精度低（特别是对于小目标）的实际挑战，本研究使用优化的 YOLOv11 模型调查了海上作员的 PPE 目标检测。优化后的模型将时频特征增强模块（SFEAF）集成到模型的骨干网络中，采用统计驱动的动态门控注意力模块（TSSA）来细化原始C2PSA模块中的注意力权重分布，并加入了归一化Wasserstein距离（NWD）损失函数。这些修改共同增强了该模型为海上作员检测 PPE 目标的能力。为了缓解耳塞和手套等小目标的漏检问题，该文提出一种 YOLOv11 和 YOLOv11-Pose 模型的级联网络进行小目标检测。该解决方案涉及通过 YOLOv11-Pose 模型提取人体关键点，通过两点区域定位方法构建空间约束区域，通过局部区域裁剪和归一化增强小目标特征，以及使用 YOLOv11 模型对细化区域进行二次检测。消融和对比实验验证了优化方法的有效性，并通过对小目标的二次检测实验验证了级联网络检测的优越性。