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1篇文章
< 1 >
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：
面向复杂场景的基于改进YOLOX_s的安全帽检测算法 被引量：2
1
作者 江新玲 杨乐 +3 位作者 朱家辉 陶磊 刘峰 段倩倩 《南京师大学报（自然科学版）》 CAS 北大核心 2023年第2期107-114,共8页
在工业生产过程中,安全帽是生产工人重要的安全保护工具.针对现有安全帽检测算法在复杂应用场景下对小目标、密集目标以及遮挡目标存在漏检、检测精度较低等问题,提出了一种基于YOLOX_s的改进算法.首先,通过改进YOLOX_s算法的模型结构,... 在工业生产过程中,安全帽是生产工人重要的安全保护工具.针对现有安全帽检测算法在复杂应用场景下对小目标、密集目标以及遮挡目标存在漏检、检测精度较低等问题,提出了一种基于YOLOX_s的改进算法.首先,通过改进YOLOX_s算法的模型结构,在原有网络结构的基础上新设立了一个预测特征层,其尺寸为160×160,该预测特征层通过将高层语义信息和低层传递的位置信息进行有效融合来预测小目标;其次,针对复杂的安全帽检测环境,将obj_loss的BCE_Loss改为Focal_Loss,即用Focal_Loss来训练obj分支来降低漏检;最后,将CSP1_X中的残差块改为shuffleNet基本单元以缩减参数量.改进后的算法mAP和recall分别提高了1.25%和2.32%,参数量缩减为3.61MB.改进后的算法有效降低了复杂环境下安全帽的漏检率和提高了检测精度,对实际生产过程中保障企业和工人的生命财产安全起到了一定的促进作用. 展开更多
关键词 安全帽检测 yolox_s 遮挡目标 小目标 密集目标
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 下一页 到第 页
使用帮助 返回顶部