期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
识别安全帽佩戴的轻量化网络模型 被引量:2
1
作者 胡文骏 杨莉琼 +1 位作者 肖宇峰 何宏森 《计算机工程与应用》 CSCD 北大核心 2023年第13期149-155,共7页
安全帽佩戴识别是一种分类少的目标检测任务,使用现有精度较高的大型深度学习网络模型来识别安全帽佩戴,存在参数冗余问题且计算较大,不利于部署在计算量有限的嵌入式设备中以适应实际的工地环境。针对以上问题,提出了一种适合部署在嵌... 安全帽佩戴识别是一种分类少的目标检测任务,使用现有精度较高的大型深度学习网络模型来识别安全帽佩戴,存在参数冗余问题且计算较大,不利于部署在计算量有限的嵌入式设备中以适应实际的工地环境。针对以上问题,提出了一种适合部署在嵌入式设备中的轻量化网络模型YOLO-Ghost-BiFPNs3。在YOLOv4的基础上,基于Ghost模块重构新的网络结构并对网络的深度和宽度进行裁剪;设计一种基于通道加权相加的轻量化模块BiFPNs3来替换原来计算量较大的FPN+PAN的结构;采用更容易量化的H-Swish激活函数;在Safety-Helmet-Wearing-Dataset数据集上进行实验,在测试集上,mAP@0.5为91.1%,相较于YOLOv4精度仅损失1个百分点,比轻量化网络模型YOLOv4-Tiny精度高26个百分点。参数量为原来YOLOv4的3%,计算量仅为原来YOLOv4的5.8%。 展开更多
关键词 目标检测 轻量化网络模型 安全帽佩戴识别 Ghost模块
在线阅读 下载PDF
基于深度学习的复杂作业场景下安全帽识别研究 被引量:30
2
作者 李华 王岩彬 +2 位作者 益朋 王藤 王常亮 《中国安全生产科学技术》 CAS CSCD 北大核心 2021年第1期175-181,共7页
为有效预防由于个人防护缺失所造成的事故,着力探究复杂作业情况下施工人员安全帽佩戴情况的智能化识别。提出在Faster R-CNN目标检测算法的基础上,针对小目标的安全帽识别问题通过增加锚点提升检测能力,为解决数据集中类别不平衡问题采... 为有效预防由于个人防护缺失所造成的事故,着力探究复杂作业情况下施工人员安全帽佩戴情况的智能化识别。提出在Faster R-CNN目标检测算法的基础上,针对小目标的安全帽识别问题通过增加锚点提升检测能力,为解决数据集中类别不平衡问题采用Focal loss替代原本的损失函数,为解决安全帽预测区域不匹配问题,引入ROI Align代替ROI Pooling操作中2次量化产生的误差,从而提升检测模型准确性,最后在构建的复杂作业场景下安全帽数据集的基础上进行网络性能评估。结果表明:基于改进后的Faster R-CNN网络框架mAP提高了15%,为智能化管控施工现场个人防护用品佩戴问题提供了有效精准化的识别方法。 展开更多
关键词 复杂作业场景 Focal loss ROI Align 多尺度 安全帽佩戴识别
在线阅读 下载PDF
融合自注意力机制的安全帽佩戴检测方法 被引量:27
3
作者 孙国栋 李超 张航 《计算机工程与应用》 CSCD 北大核心 2022年第20期300-304,共5页
佩戴安全帽是防止施工现场工作人员头部损伤的有效方法之一,然而现有安全帽检测算法多存在重叠目标检测难度大、小目标漏检率高等缺点。为此,提出了一种通过融合自注意力机制来改进FasterR-CNN的目标检测算法,用于安全帽检测。通过自注... 佩戴安全帽是防止施工现场工作人员头部损伤的有效方法之一,然而现有安全帽检测算法多存在重叠目标检测难度大、小目标漏检率高等缺点。为此,提出了一种通过融合自注意力机制来改进FasterR-CNN的目标检测算法,用于安全帽检测。通过自注意力层来捕获多个尺度上的全局信息,得到更丰富的高层语义特征并将更大的感受野范围引入模型,在区域建议网络(RPN)的训练中通过锚框补选增强的方法让小目标信息得到更多的训练,强化了网络对于小尺度目标的表达能力。实验结果表明:改进后的算法在安全帽佩戴检测上的mAP值较传统FasterR-CNN提高了6.4个百分点,对于不同场景不同尺度的安全帽有着较好的检测效果。 展开更多
关键词 小目标检测 FasterR-CNN算法 自注意力机制 安全帽佩戴识别
在线阅读 下载PDF
智慧工地中低分辨率的安全帽状态识别 被引量:7
4
作者 王秋茗 孙广玲 +2 位作者 陆小锋 钱国 刘学锋 《电子测量技术》 2020年第15期63-67,共5页
在工地施工过程中,安全帽正确佩戴在保障工人人身安全方面起到至关重要的作用,利用无人机巡检的方式可对工人安全帽佩戴状态进行监督。针对拍摄图像中目标头部的分辨率过低,存在漏检的问题,设计了一种基于深度学习的低分辨率的安全帽状... 在工地施工过程中,安全帽正确佩戴在保障工人人身安全方面起到至关重要的作用,利用无人机巡检的方式可对工人安全帽佩戴状态进行监督。针对拍摄图像中目标头部的分辨率过低,存在漏检的问题,设计了一种基于深度学习的低分辨率的安全帽状态识别算法,首先通过目标检测网络获取图像中的人体区域,根据先验信息获取头部位置图像,然后使用超分辨率重建技术,对头部图像进行像素恢复,将头部图像输入到目标分类网络中进行判别,最终得到了88.28%的识别正确率。结果表明,该算法可以有效改善漏检问题,符合工地对工人安全帽佩戴识别的要求。 展开更多
关键词 低分辨率 安全帽佩戴识别 超分辨率重建 深度学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部