期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到157篇文章
< 1 2 … 8 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于FE-YOLOv5s 的变电所安全帽佩戴检测 被引量：1
1
作者 马三保 王鹏彬 +3 位作者 程磊 王惠翔 周孟然 王昊男 《数字技术与应用》 2024年第1期60-62,共3页
本研究针对变电所安全帽佩戴检测任务中存在的漏检、误检和低精准率等问题,提出了一种基于FE-YOLOv5s的改进算法。首先,通过引入FReLU激活函数构建了FSPPF模块,有效增强了网络的特征提取能力,从而提升了检测性能。其次,采用ECA注意力机... 本研究针对变电所安全帽佩戴检测任务中存在的漏检、误检和低精准率等问题,提出了一种基于FE-YOLOv5s的改进算法。首先,通过引入FReLU激活函数构建了FSPPF模块,有效增强了网络的特征提取能力,从而提升了检测性能。其次,采用ECA注意力机制提高了模型对关键特征的关注度,特别集中在安全帽这一小尺度目标上提高检测的准确性,降低漏检误检的概率。实验结果表明,FE-YOLOv5s在自建数据集上取得了显著的提升,精准率达到0.941,mAP值为0.898,相较于原始模型分别提高了9.93%和4.6%,表现出较好的检测效果。这一改进算法为解决变电所安全帽佩戴检测问题提供了一种有效的解决方案。 展开更多
关键词 注意力机制 特征提取 佩戴检测 原始模型 改进算法 安全帽 精准率 误检
下载PDF
基于改进YOLOv7的手套佩戴检测算法
2
作者 敖良忠 黄浩宇 《信息技术与信息化》 2024年第6期19-22,共4页
维修培训人员在进行培训时需要佩戴手套对飞机进行维修工作,若未佩戴手套进行操作,可能会出现安全问题。针对机务维修培训中,传统人工对培训人员是否佩戴手套的检测效率低下、容易漏检和误检,无法保障培训人员在培训过程中的安全问题,... 维修培训人员在进行培训时需要佩戴手套对飞机进行维修工作,若未佩戴手套进行操作,可能会出现安全问题。针对机务维修培训中,传统人工对培训人员是否佩戴手套的检测效率低下、容易漏检和误检,无法保障培训人员在培训过程中的安全问题,提出了基于改进YOLOv7的检测方法。在YOLOv7中引入SPDconv模块,提高模型针对小目标和低分辨率图片的检测性能。同时,在模型的Backbone中加入CBAM注意力机制,以提高模型的精度。改进后的YOLOv7手套佩戴检测算法平均精度均值达到86.5%,相较于原本的YOLOv7算法,精度提高了4.3%。实验表明,改进后的算法能有效地检测出维修培训人员的手套佩戴情况。 展开更多
关键词 目标检测 佩戴检测 YOLOv7算法 小目标
下载PDF
基于华为HiLens及ModelArts的施工场所安全帽正确佩戴识别系统设计
3
作者 刘凯 余虹 +2 位作者 顾宇峰 刘备 沈欣 《机电工程技术》 2024年第7期79-82,共4页
在施工现场对作业者安全帽的佩戴情况进行监管十分有必要,但传统人工监管方式效率低下,需要对监管方式进行智能化改造。为此,利用华为具有AI推理能力的HiLens设备以及以模型训练为核心的ModelArts平台进行了系统总体设计,开发了施工场... 在施工现场对作业者安全帽的佩戴情况进行监管十分有必要,但传统人工监管方式效率低下,需要对监管方式进行智能化改造。为此,利用华为具有AI推理能力的HiLens设备以及以模型训练为核心的ModelArts平台进行了系统总体设计,开发了施工场所安全帽正确佩戴识别系统。从选择数据、训练模型、评估模型、部署应用、查看数据输出等方面介绍了实现安全帽正确佩戴的智能识别过程。最终,采用施工场所不同条件下的检测数据集开展实验,结果表明,检测mAP能够达到92%左右证明所开发系统能够大幅提升检测效率,提高施工安全性。 展开更多
关键词 HiLens ModelArts 安全帽 佩戴检测
下载PDF
智能手环智能佩戴检测技术探究 被引量：3
4
作者 杜鹏杰 《家电科技》 2016年第12期35-37,共3页
现有的智能穿戴设备如智能手表、智能手环等,若用户将智能手环放置在桌面上,手环会自动误检测为用户处于久坐或深度睡眠的状态,从而导致监测的睡眠数据不准确;与此同时,当手环处于非佩戴状态下,而放置在震动的场所,手环会自动计步,导致... 现有的智能穿戴设备如智能手表、智能手环等,若用户将智能手环放置在桌面上,手环会自动误检测为用户处于久坐或深度睡眠的状态,从而导致监测的睡眠数据不准确;与此同时,当手环处于非佩戴状态下,而放置在震动的场所,手环会自动计步,导致计步数据的不准确。针对以上问题,本文提出一种基于智能手环佩戴检测的全新电路与方法。通过容监测处理芯片与MCU对放置在手环底部采样的导电布电容传感器进行采样,并通过一定的检测算法,从而检测手环的佩戴状态,解决因为手环不能自动检测佩戴,而错误判断用户处于久坐或深度睡眠,或者误计步的现象。 展开更多
关键词 手环 佩戴检测 电容传感器 睡眠检测 计步
下载PDF
电动自行车头盔佩戴主动检测系统 被引量：2
5
作者 于子淇 《机电一体化》 2022年第2期77-82,共6页
设计了基于单片机和多种传感器的头盔检测系统,通过多个传感器的共同检测来判断用户是否正确佩戴了头盔,对于没有戴好头盔的人进行警示。文章利用Arduino单片机作为主控系统,系统在经过测试后,证明了头盔佩戴检测功能的有效性。
关键词 电动车 头盔 佩戴检测 单片机
原文传递
摩托车头盔佩戴检测算法研究综述
6
作者 张之云 苏山杰 《汽车文摘》 2022年第8期31-36,共6页
摩托车头盔作为摩托车驾驶的主要安全装备,规范的佩戴头盔对驾驶安全至关重要。综述了摩托车头盔佩戴检测的主要方法,分别阐述了传统的机器视觉与基于深度学习的摩托车头盔佩戴检测算法的研究现状,对比分析这些方法的特点和性能。对目... 摩托车头盔作为摩托车驾驶的主要安全装备,规范的佩戴头盔对驾驶安全至关重要。综述了摩托车头盔佩戴检测的主要方法,分别阐述了传统的机器视觉与基于深度学习的摩托车头盔佩戴检测算法的研究现状,对比分析这些方法的特点和性能。对目前摩托车头盔佩戴检测的技术难点与瓶颈进行总结,最后对该领域的未来发展趋势进行了思考与展望。 展开更多
关键词 摩托车头盔 佩戴检测 深度学习 目标检测
下载PDF
改进YOLO v3的安全帽佩戴检测方法 被引量：102
7
作者 施辉 陈先桥 杨英 《计算机工程与应用》 CSCD 北大核心 2019年第11期213-220,共8页
在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLO v3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和... 在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLO v3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和类别预测;使用施工现场出入口监控视频作为数据集进行目标框维度聚类,确定目标框参数;在训练迭代过程中改变输入图像的尺寸,增加模型对尺度的适应性。理论分析和实验结果表明,在安全帽佩戴检测任务中,mAP(Mean Average Precision)达到了92.13%,检测速率提高到62 f/s,其检测准确率与检测速率相较于YOLO v3均略有提高,所提算法不仅满足安全帽佩戴检测中检测任务的实时性,同时具有较高的检测准确率。 展开更多
关键词 图像处理 深度学习 YOLO V3 安全帽佩戴检测
下载PDF
改进RetinaFace的自然场景口罩佩戴检测算法 被引量：65
8
作者 牛作东 覃涛 +1 位作者 李捍东 陈进军 《计算机工程与应用》 CSCD 北大核心 2020年第12期1-7,共7页
新型冠状病毒可以通过空气中的飞沫、气溶胶等载体进行传播,在公共场所下正确佩戴口罩可以有效地防止病毒的传播。提出了一种自然场景下人脸口罩佩戴检测方法,对Retina Face算法进行了改进,增加了人脸口罩佩戴检测任务,优化了损失函数... 新型冠状病毒可以通过空气中的飞沫、气溶胶等载体进行传播,在公共场所下正确佩戴口罩可以有效地防止病毒的传播。提出了一种自然场景下人脸口罩佩戴检测方法,对Retina Face算法进行了改进,增加了人脸口罩佩戴检测任务,优化了损失函数。在特征金字塔网络中引入了一种改进的自注意力机制,增强了特征图的表达能力。建立了包含3000张图片的数据集,并进行手工标注,用于网络训练。实验结果表明该算法可以有效进行口罩佩戴检测,在自然场景视频中也取得了不错的检测效果。 展开更多
关键词 新型冠状病毒 口罩佩戴检测 特征金字塔网络 自注意力机制 损失函数
下载PDF
基于改进Faster RCNN的安全帽佩戴检测研究 被引量：64
9
作者 徐守坤 王雅如 +3 位作者 顾玉宛 李宁 庄丽华 石林 《计算机应用研究》 CSCD 北大核心 2020年第3期901-905,共5页
针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目... 针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性,并引入防止正负样本不均衡的在线困难样本挖掘策略,然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明,相比于原始Faster RCNN,检测准确率提高了7%,对环境的适应性更强。 展开更多
关键词 安全帽佩戴检测 FASTER RCNN 多尺度训练 在线困难样本挖掘 多部件结合
下载PDF
引入注意力机制的YOLOv5安全帽佩戴检测方法 被引量：62
10
作者 王玲敏 段军 辛立伟 《计算机工程与应用》 CSCD 北大核心 2022年第9期303-312,共10页
对于钢铁制造业、煤矿行业及建筑行业等高危行业来说,施工过程中佩戴安全帽是避免受伤的有效途径之一。针对目前安全帽佩戴检测模型在复杂环境下对小目标和密集目标存在误检和漏检等问题,提出一种改进YOLOv5的目标检测方法来对安全帽的... 对于钢铁制造业、煤矿行业及建筑行业等高危行业来说,施工过程中佩戴安全帽是避免受伤的有效途径之一。针对目前安全帽佩戴检测模型在复杂环境下对小目标和密集目标存在误检和漏检等问题,提出一种改进YOLOv5的目标检测方法来对安全帽的佩戴进行检测。在YOLOv5的主干网络中添加坐标注意力机制(coordinate attention),该机制将位置信息嵌入到通道注意力当中,使网络可以在更大区域上进行注意。将特征融合模块中原有特征金字塔模块替换成加权双向特征金字塔(BiFPN)网络结构,实现高效的双向跨尺度连接和加权特征融合。在自制安全帽数据集上实验结果表明,改进的YOLOv5模型平均精度达到了95.9%,相比于YOLOv5模型,平均精度提高了5.1个百分点,达到了在复杂环境下对小目标和密集目标检测的要求。 展开更多
关键词 安全帽佩戴检测 YOLOv5算法 加权双向特征金字塔 坐标注意力机制
下载PDF
复杂场景下基于改进YOLOv3的口罩佩戴检测算法 被引量：55
11
作者 王艺皓 丁洪伟 +2 位作者 李波 杨志军 杨俊东 《计算机工程》 CAS CSCD 北大核心 2020年第11期12-22,共11页
新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响。针对该问题,在YOLOv3算法的基础上,提出复杂场景下的... 新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响。针对该问题,在YOLOv3算法的基础上,提出复杂场景下的口罩佩戴检测算法。结合跨阶段局部网络对DarkNet53骨干网络进行改进,以降低计算消耗并提高训练速度。在YOLOv3算法中引入改进的空间金字塔池化结构,通过自上而下和自下而上的特征融合策略优化多尺度预测网络,从而实现特征增强。选取CIoU作为损失函数,考虑目标与检测框之间的中心点距离、重叠率以及长宽比信息。实验结果表明,与YOLOv3算法相比,该算法在人脸目标和人脸佩戴口罩目标上的检测精度分别提高7.3%和14.9%,检测速度平均提高6FPS。 展开更多
关键词 YOLOv3算法 口罩佩戴检测 跨阶段局部网络 空间金字塔池化 特征融合 损失函数
下载PDF
改进YOLO v3算法及其在安全帽检测中的应用 被引量：51
12
作者 王兵 李文璟 唐欢 《计算机工程与应用》 CSCD 北大核心 2020年第9期33-40,共8页
YOLO v3目标检测算法由于其速度快、精度较高,在工业中获得了广泛应用,但存在目标函数与评价指标不统一的问题,针对此问题提出了改进YOLO v3目标检测算法。该算法改进GIoU计算方法,并与YOLO v3算法目标函数相结合,设计了一个新的目标函... YOLO v3目标检测算法由于其速度快、精度较高,在工业中获得了广泛应用,但存在目标函数与评价指标不统一的问题,针对此问题提出了改进YOLO v3目标检测算法。该算法改进GIoU计算方法,并与YOLO v3算法目标函数相结合,设计了一个新的目标函数,实现了目标函数局部最优为IoU局部最优。公共数据集VOC2007和安全帽佩戴数据集测试结果表明,相比于YOLO v3算法,改进YOLO v3的mAP-50分别提高了2.07%和2.05%。 展开更多
关键词 目标检测 YOLO v3算法 GIoU算法 安全帽佩戴检测
下载PDF
基于YOLOv4卷积神经网络的口罩佩戴检测方法 被引量：49
13
作者 管军霖 智鑫 《现代信息科技》 2020年第11期9-12,共4页
针对疫情防控期间火车站等密集场所人员的口罩佩戴监测问题,文章提出一种基于图片高低频成分融合与YOLOv4卷积神经网络的口罩佩戴检测方法.通过网络爬虫以及手动数据标注,经过Darknet深度学习框架训练,其模拟检测达到了较好的效果.试验... 针对疫情防控期间火车站等密集场所人员的口罩佩戴监测问题,文章提出一种基于图片高低频成分融合与YOLOv4卷积神经网络的口罩佩戴检测方法.通过网络爬虫以及手动数据标注,经过Darknet深度学习框架训练,其模拟检测达到了较好的效果.试验结果表明,由自行构建的口罩佩戴检测数据集,训练后模型检测的精度值达到0.985,平均检测速度为35.2 ms.此检测速度以及检测精度满足大部分场合人员口罩佩戴的需求,为口罩佩戴检测的视觉识别提供了技术支持. 展开更多
关键词 口罩佩戴检测 数据集 YOLOv4卷积神经网络 深度学习 视觉识别
下载PDF
基于改进YOLOv5的安全帽佩戴检测算法 被引量：45
14
作者 张锦 屈佩琪 +1 位作者 孙程 罗蒙 《计算机应用》 CSCD 北大核心 2022年第4期1292-1300,共9页
针对现有安全帽佩戴检测干扰性强、检测精度低等问题,提出一种基于改进YOLOv5的安全帽检测新算法。首先,针对安全帽尺寸不一的问题,使用K-Means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道... 针对现有安全帽佩戴检测干扰性强、检测精度低等问题,提出一种基于改进YOLOv5的安全帽检测新算法。首先,针对安全帽尺寸不一的问题,使用K-Means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道注意力模块,使网络能够自主学习每个通道的权重,增强特征间的信息传播,从而加强网络对前景和背景的辨别能力;最后,在训练迭代过程中随机输入不同尺寸的图像,以此增强算法的泛化能力。实验结果表明,在自制安全帽佩戴检测数据集上,所提算法的均值平均精度(mAP)达到96.0%,而对佩戴安全帽的工人的平均精度(AP)达到96.7%,对未佩戴安全帽的工人的AP达到95.2%,相较于YOLOv5算法,该算法对佩戴安全帽的平均检测准确率提升了3.4个百分点,满足施工场景下安全帽佩戴检测的准确率要求。 展开更多
关键词 安全帽佩戴检测 目标检测 深度学习 YOLOv5 注意力机制
下载PDF
改进YOLO轻量化网络的口罩检测算法 被引量：45
15
作者 王兵 乐红霞 +1 位作者 李文璟 张孟涵 《计算机工程与应用》 CSCD 北大核心 2021年第8期62-69,共8页
针对目前YOLO轻量网络在口罩佩戴检测任务中出现的特征提取不足和特征利用率不高的问题,提出了一种基于改进YOLOv4-tiny的轻量化网络算法。增加Max Module结构以获取更多目标的主要特征,提高检测准确率。提出自下而上的多尺度融合,结合... 针对目前YOLO轻量网络在口罩佩戴检测任务中出现的特征提取不足和特征利用率不高的问题,提出了一种基于改进YOLOv4-tiny的轻量化网络算法。增加Max Module结构以获取更多目标的主要特征,提高检测准确率。提出自下而上的多尺度融合,结合低层信息丰富网络的特征层次,提高特征利用率。使用CIoU作为边框回归损失函数,加快模型收敛速度。相较于原算法,在公开数据集PASCAL VOC和口罩佩戴检测任务中,mAP分别提高4.9个百分点和3.3个百分点,检测速率分别达到74 frame/s和64 frame/s,满足口罩佩戴检测任务的准确率和实时性。 展开更多
关键词 口罩佩戴检测 YOLOv4-tiny Max Module结构 多尺度融合 CIoU
下载PDF
基于YOLOv5增强模型的口罩佩戴检测方法研究 被引量：38
16
作者 彭成 张乔虹 +1 位作者 唐朝晖 桂卫华 《计算机工程》 CAS CSCD 北大核心 2022年第4期39-49,共11页
人脸口罩佩戴检测是公共场所疫情防控中极为重要的措施,智能、高效地检测口罩佩戴情况对实现疫情防控的自动化和数字化具有重要意义。使用卷积类深度神经网络实现端到端的人脸口罩佩戴检测具有可行性,但卷积类神经网络具有结构复杂、参... 人脸口罩佩戴检测是公共场所疫情防控中极为重要的措施,智能、高效地检测口罩佩戴情况对实现疫情防控的自动化和数字化具有重要意义。使用卷积类深度神经网络实现端到端的人脸口罩佩戴检测具有可行性,但卷积类神经网络具有结构复杂、参数量和浮点计算量庞大的特点,从而产生较高的计算开销和内存需求,极大地限制了其在资源有限的终端设备上的应用。为了使人脸口罩佩戴监督功能更易获取,并实现多尺度条件下的模型压缩和加速检测,提出一种基于改进YOLOv5的轻量化增强网络模型。设计参数量和计算量更小的GhostBottleneckCSP和ShuffleConv模块并替换原YOLOv5网络中的C3及部分Conv模块,以降低特征通道融合过程中的计算量并增强特征表达能力。实验结果表明,该模型的识别精度达95%以上,模型在精度近乎无损失的前提下,参数量和计算量分别仅为原YOLOv5网络的34.24%和33.54%,且在GPU和CPU上的运行速度分别提升13.64%和28.25%,降低了模型对内存存储及计算能力的要求,更适用于在资源有限的移动端部署。 展开更多
关键词 深度学习 口罩佩戴检测 YOLOv5网络 GhostBottleneckCSP模块 ShuffleConv模块
下载PDF
基于YOLO-Mask算法的口罩佩戴检测方法 被引量：29
17
作者 曹城硕 袁杰 《激光与光电子学进展》 CSCD 北大核心 2021年第8期203-210,共8页
常态化疫情防控形势下,通过口罩佩戴检测可以及时提醒人们正确佩戴口罩,从而降低公共场合人员交叉感染的风险。针对口罩佩戴检测任务中被遮挡目标和小目标检测困难的问题,提出一种YOLO-Mask算法。该算法以YOLOv3为基础,在特征提取网络... 常态化疫情防控形势下,通过口罩佩戴检测可以及时提醒人们正确佩戴口罩,从而降低公共场合人员交叉感染的风险。针对口罩佩戴检测任务中被遮挡目标和小目标检测困难的问题,提出一种YOLO-Mask算法。该算法以YOLOv3为基础,在特征提取网络中引入注意力机制,以提升模型对显著特征的表达能力;然后使用特征金字塔和路径聚合策略进行特征融合,使细节特征信息得到增强,实现不同层次特征信息的充分利用;最后优化了损失函数。实验表明:对不同场景下的口罩佩戴目标进行检测,YOLO-Mask算法的平均精度均值达到93.33%,相比于原始YOLOv3算法提高7.62%;与其他主流算法相比,该算法具有更好的检测效果和鲁棒性。 展开更多
关键词 图像处理 口罩佩戴检测 YOLO-Mask 注意力机制 特征融合 疫情防控
原文传递
基于MobileNet-SSD的安全帽佩戴检测算法 被引量：24
18
作者 徐先峰 赵万福 +2 位作者 邹浩泉 张丽 潘卓毅 《计算机工程》 CAS CSCD 北大核心 2021年第10期298-305,313,共9页
针对真实场景下安全帽佩戴检测面临的背景复杂、干扰性强、待检测目标较小等问题,在SSD算法的基础上,提出改进的MobileNet-SSD算法。通过引入轻量型网络MobileNet并构建MobileNet-SSD算法提高检测速度,采用迁移学习策略克服模型训练困... 针对真实场景下安全帽佩戴检测面临的背景复杂、干扰性强、待检测目标较小等问题,在SSD算法的基础上,提出改进的MobileNet-SSD算法。通过引入轻量型网络MobileNet并构建MobileNet-SSD算法提高检测速度,采用迁移学习策略克服模型训练困难问题。从施工相关视频中获取真实环境下的安全帽样本构建样本集,以解决当前安全帽数据集规模较小、网络难以充分拟合特征的问题。实验结果表明,MobileNet-SSD算法在损失很小精度的情况下,相较于SSD算法,检测速度提高了10.2倍。 展开更多
关键词 安全帽佩戴检测 轻量型SSD算法 深度学习 检测精度 检测速度
下载PDF
基于改进YOLO v4的安全帽佩戴检测算法 被引量：24
19
作者 金雨芳 吴祥 +2 位作者 董辉 俞立 张文安 《计算机科学》 CSCD 北大核心 2021年第11期268-275,共8页
安全生产管理是建筑、重工业等高危企业发展的重要方针,安全帽在施工生产环境中对人员头部防护起着关键作用,因此加强安全帽佩戴监管十分必要。近年来,基于图像视觉的安全帽佩戴监测方法成为了企业实施管理的主要手段,如何提高安全帽佩... 安全生产管理是建筑、重工业等高危企业发展的重要方针,安全帽在施工生产环境中对人员头部防护起着关键作用,因此加强安全帽佩戴监管十分必要。近年来,基于图像视觉的安全帽佩戴监测方法成为了企业实施管理的主要手段,如何提高安全帽佩戴检测精度和检测速度是应用的关键难题。针对上述问题,文中提出了一种基于改进YOLO v4的安全帽佩戴检测算法。首先,在YOLO v4算法的3个特征图输出的基础上增加了128×128特征图输出,从而将特征图输出的8倍下采样改为4倍下采样,为后续特征融合提供了更多小目标特征。其次,基于密集连接的思想对特征融合模块进行改进以实现特征重用,使得负责小目标检测的Yolo Head分类器可以结合不同层次特征层的特征,从而得到更好的目标检测分类结果。最后,对比实验的结果表明,所提方法的平均精度高达91.17%,相比原网络检测精度提高了2.96%,检测速度基本不变,可达52.9 frame/s,从而在满足实时检测需求的同时可以得到更优的检测精度,有效实现了安全帽佩戴的高速高精度检测。 展开更多
关键词 深度学习 小目标检测 安全帽佩戴检测 YOLO v4 K-MEANS聚类
下载PDF
基于迁移学习与RetinaNet的口罩佩戴检测的方法 被引量：23
20
作者 邓黄潇 《电子技术与软件工程》 2020年第5期209-211,共3页
本文提出一种基于深度学习的方法,通过迁移学习与RetinaNet网络来对人们是否佩戴口罩进行检测。训练后模型的在验证集下的AP值为86.45%。通过比较RetinaNet与时下流行的目标检测网络YOLOv3在不同人脸数和相同人脸类别数情况下的检测效果... 本文提出一种基于深度学习的方法,通过迁移学习与RetinaNet网络来对人们是否佩戴口罩进行检测。训练后模型的在验证集下的AP值为86.45%。通过比较RetinaNet与时下流行的目标检测网络YOLOv3在不同人脸数和相同人脸类别数情况下的检测效果,表明RetinaNet的J值高于YOLOv3,且在测试中展现了良好的检测效果。 展开更多
关键词 YOLOv3 口罩佩戴检测 RetinaNet 神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 8 下一页 到第 页
使用帮助 返回顶部