期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
改进YOLOv2算法的道路摩托车头盔检测 被引量:6
1
作者 冉险生 陈卓 张禾 《电子测量技术》 北大核心 2021年第24期105-115,共11页
针对摩托车头盔的传统检测方法准确率低、泛化能力差和目标检测网络参数量大难以在嵌入式设备运行的问题,提出改进的YOLOv2的MNXt-ECA-D-YOLOv2目标检测算法模型。首先引入Mobile Ne Xt网络替换YOLOv2原始骨干网络,其次在Mobile Ne Xt... 针对摩托车头盔的传统检测方法准确率低、泛化能力差和目标检测网络参数量大难以在嵌入式设备运行的问题,提出改进的YOLOv2的MNXt-ECA-D-YOLOv2目标检测算法模型。首先引入Mobile Ne Xt网络替换YOLOv2原始骨干网络,其次在Mobile Ne Xt的沙漏块中引入密集连接结构同时在网络中引入有效通道注意力机制,然后在不同深度网络层应用不同的激活函数,最后在网络输出卷积层之前增加Drop Block模块。采用K-means聚类算法重新设计了自制数据集的先验框尺寸。实验结果表明,改进后的模型相比原始YOLOv2,在AP50指标上提高了3.53%,模型大小减少77.44%,检测速度提高了近4倍。通过对比实验可知,改进后的YOLOv2模型在保持较高的精度下模型更小,在CPU中的推理速度更快,具有一定的应用价值。 展开更多
关键词 摩托车头盔检测 YOLOv2 MobileNetXt 有效通道注意力机制 激活函数 DropBlock
下载PDF
摩托车头盔佩戴检测算法研究综述
2
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
基于改进DeepSORT算法的摩托车头盔佩戴检测 被引量:1
3
作者 冉险生 张之云 +2 位作者 陈卓 苏山杰 陈俊豪 《计算机工程与应用》 CSCD 北大核心 2023年第5期194-204,共11页
为了解决在实际道路场景中对摩托车驾乘者头盔佩戴情况的检测与跟踪问题,提出一种优化的DeepSORT多目标跟踪摩托车头盔检测算法。使用改进的YOLOv3算法作为目标检测器,该方法采用MobileNetv3-Large作为YOLOv3特征提取网络,以轻量化网络... 为了解决在实际道路场景中对摩托车驾乘者头盔佩戴情况的检测与跟踪问题,提出一种优化的DeepSORT多目标跟踪摩托车头盔检测算法。使用改进的YOLOv3算法作为目标检测器,该方法采用MobileNetv3-Large作为YOLOv3特征提取网络,以轻量化网络结构,借鉴CEM模块的思想,引入SoftPool池化层和SE模块,构建了深浅语义融合增强模块,加强网络对输入特征深浅语义的编码能力。为了实现摩托车头盔佩戴分类和DeepSORT算法中外观特征识别模型的优化,构建多任务学习框架,通过对比损失函数和改进的交叉损失函数对多任务网络进行迭代训练来提升相似度学习能力和实现最终头盔佩戴情况分类。实验结果表明:在目标检测方面,改进网络的摩托车检测精度相较原始算法提升了4.56个百分点,模型大小仅为YOLOv3的13.7%。结合DeepSORT算法,多目标跟踪准确率相较于YOLOv3-DeepSORT算法从51.6%提升到了67.5%,多目标跟踪精度从57.3%提升到75.6%,检测追踪速度由6 FPS提升到了20 FPS,最终的NPH模型检测分类精度为72.42%。实现了对实际道路中摩托车驾乘人员头盔佩戴检测及追踪,具有较强的实用价值。 展开更多
关键词 YOLOv3 DeepSORT 多任务学习 摩托车头盔佩戴检测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部