-
题名使用场景增强的安全帽佩戴检测方法研究
被引量：11
- 1
-
-
作者
徐传运
袁含香
李刚
郑宇
刘欢
-
机构
重庆理工大学计算机科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第19期326-332,共7页
-
基金
重庆市技术创新与应用发展专项面上项目(cstc2020jscx-msxmX0086)
重庆市教委科学技术研究项目(青年)(KJQN202001137)
+1 种基金
国家重点研发计划项目(2018YFB1308602)
重庆市技术创新与应用发展(重大主题专项)项目(cstc2019jscx-zdztzx0031)。
-
文摘
为了解决现有安全帽佩戴数据集样本数量有限导致模型检测精度较低的问题,提出一种基于场景增强的样本扩充算法。该算法将训练集中随机抽取的图像中的检测目标随机缩放后,粘贴到另一随机场景图像上的任意位置,基于现有场景构建出拥有新的检测目标的增强场景,通过场景增强扩充安全帽佩戴训练数据集,增加训练数据集的多样性。为了验证该算法在安全帽佩戴检测中的有效性,使用场景增强算法扩充HelmetWear数据集,并用其训练基于YOLOv4的安全帽佩戴检测模型,通过检测精度评估场景增强算法。在HelmetWear数据集上检测精度达到93.81%,检测精度提升了6.39个百分点。实验结果表明该算法能有效提升安全帽佩戴检测的精度,特别是在样本最为欠缺的小目标上表现更为显著;场景增强算法对解决其他领域目标检测训练数据不足的问题有重要的借鉴意义。
-
关键词
安全帽检测
场景增强
helmetwear数据集
YOLOv4
-
Keywords
safety helmet detection
scene-augment
helmetwear dataset
YOLO v4
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
