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63篇文章
< 1 2 … 4 >
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：
基于改进YOLOv4颈部优化网络的安全帽佩戴检测方法
1
作者 徐先峰 王轲 +2 位作者 马志雄 姚景杰 赵万福 《重庆大学学报》 CAS CSCD 北大核心 2023年第12期43-54,共12页
针对安全帽佩戴检测时易受复杂背景干扰,解决YOLOv4网络检测速度慢、内存消耗大、计算复杂度高、对硬件性能要求较高等问题,引入改进YOLOv4算法优化安全帽佩戴检测方法。引入MobileNet网络轻量化YOLOv4、跨越模块特征融合,实现高层语义... 针对安全帽佩戴检测时易受复杂背景干扰,解决YOLOv4网络检测速度慢、内存消耗大、计算复杂度高、对硬件性能要求较高等问题,引入改进YOLOv4算法优化安全帽佩戴检测方法。引入MobileNet网络轻量化YOLOv4、跨越模块特征融合,实现高层语义特征和低层语义特征有效融合。针对图像中小目标分辨率低,信息特征少,多尺度并存,导致在连续卷积过程中易丢失特征信息等问题,采用改进特征金字塔FPN和注意力机制等颈部优化策略聚焦目标信息,弱化安全帽检测时背景信息的干扰。仿真结果表明,基于改进的YOLOv4颈部优化网络安全帽佩戴检测算法在CPU平台下的检测速度为34.28 FPS,是基础YOLOv4网络的16倍,检测精度提升了4.21%,检测速度与检测精度达到平衡。 展开更多
关键词 安全帽佩戴检测 YOLOv4算法 检测精度 检测速度
下载PDF
基于改进YOLOV5s的安全帽佩戴检测算法
2
作者 王向前 史策 《山西电子技术》 2023年第6期11-13,38,共4页
针对现有安全帽佩戴检测中存在的检测精度较低等问题,提出一种基于改进YOLOV5s的安全帽佩戴检测算法。通过结合SimAM注意力,增强安全帽特征的显著性;引入Bi-FPN网络并增加小目标检测层,提高对小目标安全帽的检测精度;采用DIOU-NMS算法... 针对现有安全帽佩戴检测中存在的检测精度较低等问题,提出一种基于改进YOLOV5s的安全帽佩戴检测算法。通过结合SimAM注意力,增强安全帽特征的显著性;引入Bi-FPN网络并增加小目标检测层,提高对小目标安全帽的检测精度;采用DIOU-NMS算法提高遮挡目标的检测精度。实验结果证明,改进后的YOLOV5s算法mAP达到97.3%,比原始的YOLOV5s算法提高了4.5%,满足现实场景下安全帽佩戴检测任务的要求。 展开更多
关键词 YOLOV5 安全帽佩戴检测 注意力 小目标检测
下载PDF
基于改进YOLOv4的安全帽佩戴检测方法 被引量：3
3
作者 石家玮 杨莉琼 +2 位作者 方艳红 杜义祥 李明骏 《计算机工程与设计》 北大核心 2023年第2期518-525,共8页
针对建筑施工场地场景下远距离小目标安全帽佩戴检测问题,提出的一种改进YOLOv4的安全帽检测方法。将BN层和卷积层合并减少修改后的网络前向推理计算量,利用K-means聚类算法改进先验框维度,采用柔性NMS算法进行置信度权重修改解决标签... 针对建筑施工场地场景下远距离小目标安全帽佩戴检测问题,提出的一种改进YOLOv4的安全帽检测方法。将BN层和卷积层合并减少修改后的网络前向推理计算量,利用K-means聚类算法改进先验框维度,采用柔性NMS算法进行置信度权重修改解决标签重写问题,应用多尺度特征融合提升模型识别准确率。实验结果表明,该方法在安全帽数据集的检测任务中mAP提升2.91%;对低于32*32尺寸目标AP值相较于原算法提升6.02%,能够有效提升安全帽佩戴检测范围和准确率。 展开更多
关键词 安全帽佩戴检测 多尺度特征融合 卷积神经网络 YOLOv4算法 K均值聚类算法 非极大值抑制算法 目标检测
下载PDF
改进YOLOv5s算法的安全帽佩戴检测 被引量：12
4
作者 宋晓凤 吴云军 +1 位作者 刘冰冰 张青林 《计算机工程与应用》 CSCD 北大核心 2023年第2期194-201,共8页
佩戴安全帽是施工过程中人员安全的重要保障之一,但现有的人工检测不仅耗时耗力而且无法做到实时监测,针对这一现象,提出了一种基于深度学习的安全帽佩戴检测算法。该算法以YOLOv5s网络为基础。在网络的主干网中引入CoordAtt坐标注意力... 佩戴安全帽是施工过程中人员安全的重要保障之一,但现有的人工检测不仅耗时耗力而且无法做到实时监测,针对这一现象,提出了一种基于深度学习的安全帽佩戴检测算法。该算法以YOLOv5s网络为基础。在网络的主干网中引入CoordAtt坐标注意力机制模块,考虑全局信息,使得网络分配给安全帽更多的注意力,以此提升对小目标的检测能力;针对原主干网对特征融合不充分的问题,将主干网中的残差块替换成Res2NetBlock结构中的残差块,以此提升YOLOv5s在细粒度上的融合能力。实验结果表明:在自制的安全帽数据集中验证可知,与原有的YOLOv5算法相比,平均精度提升了2.3个百分点,速度提升了18 FPS,与YOLOv3算法相比,平均精度提升了13.8个百分点,速度提升了95 FPS,实现了更准确的轻量高效实时的安全帽佩戴检测。 展开更多
关键词 安全帽佩戴检测 YOLOv5s CoordAtt Res2NetBlock
下载PDF
基于STA-YOLOv5的水利建造人员安全帽佩戴检测算法 被引量：1
5
作者 李顺祥 蒋海洋 +5 位作者 熊伶 黄才生 蒋有高 邓曦 王楷 张鹏 《重庆大学学报》 CAS CSCD 北大核心 2023年第9期142-152,共11页
在大型水利建造工程现场,存在高空坠物、塔吊转动、墙体坍塌等问题,对于建造人员人身安全造成巨大威胁,佩戴安全帽是保护建造人员的有效措施,作为工程作业中的安全管理,对建造人员进行安全帽佩戴的精确检测很有必要。针对现有安全帽检... 在大型水利建造工程现场,存在高空坠物、塔吊转动、墙体坍塌等问题,对于建造人员人身安全造成巨大威胁,佩戴安全帽是保护建造人员的有效措施,作为工程作业中的安全管理,对建造人员进行安全帽佩戴的精确检测很有必要。针对现有安全帽检测算法在大型水利建造场景下对小且密集的安全帽目标存在漏检、检测精度较低等问题,提出一种基于STA-YOLOv5的安全帽佩戴检测算法,该算法将Swin Transformer和注意力机制引入到YOLOv5算法中,提高模型对安全帽的识别能力。实验结果表明,STA-YOLOv5算法具有更精确检测结果,识别准确率达到91.6%,较原有的YOLOv5算法有明显提升。 展开更多
关键词 水利建造 安全帽佩戴检测 STA-YOLOv5 Swin Transformer 注意力机制
下载PDF
安全帽佩戴检测网络模型的轻量化设计 被引量：3
6
作者 郭奕裕 周箩鱼 《计算机工程》 CAS CSCD 北大核心 2023年第4期312-320,共9页
现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对... 现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对小目标的检测能力,并引入空间金字塔池化模块,提高模型对不同尺寸目标的检测能力。使用局部稀疏因子衰减算法进行稀疏化训练,从而使经过稀疏化训练后模型的平均精度均值(mAP)得到提高。根据缩放系数判断通道的重要性,并进行模型的通道剪枝,压缩模型的大小和计算量。使用TensorRT推理加速引擎进行网络层水平和垂直融合,消除拼接层操作,并将参数压缩成16位浮点型,提高模型的推理速度,最后在Jeston Nano边缘计算设备上实现模型部署。实验结果表明,与YOLOv4-Tiny模型相比,DT-YOLO模型的mAP提高了3.6个百分点,模型大小减少了83.5%,帧率提高137.7%,能够满足安全帽佩戴检测的要求。 展开更多
关键词 安全帽佩戴检测 YOLOv4-Tiny模型改进 局部稀疏因子衰减 模型压缩 TensorRT推理加速引擎 Jeston Nano边缘计算设备
下载PDF
基于Swin Transformer的YOLOv5安全帽佩戴检测方法 被引量：8
7
作者 郑楚伟 林辉 《计算机测量与控制》 2023年第3期15-21,共7页
针对目前施工现场的安全帽检测方法存在遮挡目标检测难度大、误检漏检率高的问题,提出一种改进YOLOv5的安全帽检测方法;首先,使用K-means++聚类算法重新设计匹配安全帽数据集的先验锚框尺寸;其次,使用Swin Transformer作为YOLOv5的骨干... 针对目前施工现场的安全帽检测方法存在遮挡目标检测难度大、误检漏检率高的问题,提出一种改进YOLOv5的安全帽检测方法;首先,使用K-means++聚类算法重新设计匹配安全帽数据集的先验锚框尺寸;其次,使用Swin Transformer作为YOLOv5的骨干网络来提取特征,基于可移位窗口的Multi-head自注意力机制能建模不同空间位置特征之间的依赖关系,有效地捕获全局上下文信息,具有更好的特征提取能力;再次,提出C3-Ghost模块,基于Ghost Bottleneck对YOLOv5的C3模块进行改进,旨在通过低成本的操作生成更多有价值的冗余特征图,有效减少模型参数和计算复杂度;最后,基于双向特征金字塔网络跨尺度特征融合的结构优势提出新型跨尺度特征融合模块,更好地适应不同尺度的目标检测任务;实验结果表明,与原始YOLOv5相比,改进的YOLOv5在安全帽检测任务上的mAP@.5:.95指标提升了2.3%,检测速度达到每秒35.2帧,满足复杂施工场景下安全帽佩戴检测的准确率和实时性要求。 展开更多
关键词 安全帽佩戴检测 YOLOv5 Swin Transformer GHOST 新型跨尺度特征融合 K-means++
下载PDF
基于增强特征融合网络的安全帽佩戴检测 被引量：1
8
作者 崔卓栋 陈玮 尹钟 《电子科技》 2023年第4期44-51,共8页
佩戴安全帽是保证工人施工安全的重要方式之一。现有的安全帽检测器的检测精度与速度都有待提高,这使得这些检测器难以大规模应用于实际的生产活动中。针对这些问题,文中推出了基于EfficientDet的安全帽检测器,并在此基础上从特征融合... 佩戴安全帽是保证工人施工安全的重要方式之一。现有的安全帽检测器的检测精度与速度都有待提高,这使得这些检测器难以大规模应用于实际的生产活动中。针对这些问题,文中推出了基于EfficientDet的安全帽检测器,并在此基础上从特征融合的角度对其进行了改进。该模型通过使用特征补充的方式减少了特征融合过程中的信息损失,并利用改进的特征金字塔及自适应空间融合模块提升了融合的效率,最终达到提升性能的目的。实验表明,文中改进的模型在安全帽佩戴数据集上的精确率达到83.03%,相较于未改进的模型有所提升,且模型大小没有明显增加。该模型在PASCAL VOC 2007上的精确率则达到了82.76%。 展开更多
关键词 安全帽佩戴检测 特征融合 特征金字塔 目标检测 EfficientDet 空间融合 深度学习 卷积神经网络
下载PDF
融合迁移学习与YOLOv5的安全帽佩戴检测算法 被引量：1
9
作者 曹智雄 吴晓鸰 +1 位作者 骆晓伟 凌捷 《广东工业大学学报》 CAS 2023年第4期67-76,共10页
针对现有安全帽佩戴检测算法在检测小目标和密集目标时出现漏检、检测准确度低下等问题,本文提出一种基于改进YOLOv5和迁移学习的安全帽佩戴检测新方法。使用K-means算法聚类出更适合检测任务的先验框尺寸以解决默认先验框不适应任务的... 针对现有安全帽佩戴检测算法在检测小目标和密集目标时出现漏检、检测准确度低下等问题,本文提出一种基于改进YOLOv5和迁移学习的安全帽佩戴检测新方法。使用K-means算法聚类出更适合检测任务的先验框尺寸以解决默认先验框不适应任务的问题;在特征提取网络后段引入空间通道混合注意力模块,使模型加强对目标权重的学习,抑制无关背景的权重;改进YOLOv5后处理阶段的非极大值抑制(Non-Maximum-Suppression,NMS)算法的判断度量,减少预测框误删和缺失的现象;采用迁移学习的策略对网络进行训练,克服现有数据集不足的缺陷并提升模型泛化能力;最后提出一种适用于视觉传感网络的安全帽佩戴级联判断框架。实验结果表明改进模型的平均准确率(IOU=0.5)达到了93.6%,与原始模型相比提高了5%,性能优于其他同类算法,提高了施工场景下对安全帽佩戴检测的准确率。 展开更多
关键词 安全帽佩戴检测 YOLOv5 迁移学习 注意力机制 视觉传感器网络
下载PDF
深度学习在安全帽佩戴检测中的应用研究综述 被引量：7
10
作者 高腾 张先武 李柏 《计算机工程与应用》 CSCD 北大核心 2023年第6期13-29,共17页
在深度学习的推动下,目标检测方法在工业安防领域取得了很大的进展,安全帽佩戴检测任务逐渐成为智能图像识别领域的一项重要研究课题。为了综合分析深度学习技术在安全帽佩戴检测任务中的研究现状,方便后续科研人员开展研究性工作。对... 在深度学习的推动下,目标检测方法在工业安防领域取得了很大的进展,安全帽佩戴检测任务逐渐成为智能图像识别领域的一项重要研究课题。为了综合分析深度学习技术在安全帽佩戴检测任务中的研究现状,方便后续科研人员开展研究性工作。对近年来国内外学者在深度学习环境下的安全帽佩戴检测算法总结归纳,对比分析这些方法的优点和局限性。分别从数据集的建立和用途、安全帽佩戴检测主要检测算法归纳、当前安全帽佩戴检测领域的难点这三个方面进行分析。对安全帽佩戴检测领域未来的研究方向进行展望,并提出该领域今后研究重点。 展开更多
关键词 深度学习 目标检测 安全帽佩戴检测 工业安防
下载PDF
轻量化YOLOv4的安全帽佩戴检测方法
11
作者 刘歆 吴小倩 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2023年第4期671-679,共9页
为了平衡深度学习网络在网络深度、模型效果和易用性之间的关系,针对安全帽佩戴检测,提出一种基于轻量化模块的改进YOLOv4网络。在主干网络中,采用深度可分卷积和压缩激励机制所组成的模块替换残差块,在不进行内部堆叠的情况下,减少网... 为了平衡深度学习网络在网络深度、模型效果和易用性之间的关系,针对安全帽佩戴检测,提出一种基于轻量化模块的改进YOLOv4网络。在主干网络中,采用深度可分卷积和压缩激励机制所组成的模块替换残差块,在不进行内部堆叠的情况下,减少网络的深度和参数量;在聚合网络中,采用反向注意力机制模块增加目标物体的显著信息,使网络获取的特征包含更丰富的细节信息。在公开的安全帽佩戴图像数据集上进行的实验表明,提出方法的模型大小为106.4 M,相比原网络减少了149.9 M,网络检测的平均精确度均值比原网络有所提升,验证了轻量化目标检测方法及其在安全帽检测应用中的有效性。 展开更多
关键词 安全帽佩戴检测 轻量化 主干网络 聚合网络
下载PDF
基于改进YOLOv3的安全帽佩戴检测算法
12
作者 张旭 董绍江 +1 位作者 胡小林 牟小燕 《机床与液压》 北大核心 2023年第24期26-32,共7页
针对复杂工业场景下安全帽佩戴检测存在检测精度低、误检率和漏检率高以及检测速度慢等问题,提出一种改进YOLOv3的识别精度高、检测速度快的安全帽佩戴检测算法。对传统YOLOv3主干网络进行裁剪改进,使检测速度得到明显提升;引入空间金... 针对复杂工业场景下安全帽佩戴检测存在检测精度低、误检率和漏检率高以及检测速度慢等问题,提出一种改进YOLOv3的识别精度高、检测速度快的安全帽佩戴检测算法。对传统YOLOv3主干网络进行裁剪改进,使检测速度得到明显提升;引入空间金字塔池化模块使局部特征和全局特征更有效地融合;将损失函数改进为CIoU以提升目标预测框与真实目标框的拟合效果;扩充第四特征融合尺度用于小目标检测以提高小目标的识别精度。结果表明:在复杂工业环境下,改进后的YOLOv3安全帽佩戴检测的平均检测精度提高了2.37%,且检测速度提升了2.7倍,同时降低了安全帽佩戴检测的漏检率以及误检率。 展开更多
关键词 目标检测 YOLOv3 空间金字塔池化 安全帽佩戴检测
下载PDF
面向小目标的YOLOv5s安全帽佩戴检测 被引量：1
13
作者 李冰涛 李大海 《计算机系统应用》 2023年第8期221-229,共9页
本文介绍了一种新的基于YOLOv5s的目标检测方法,旨在弥补当前主流检测方法在小目标安全帽佩戴检测方面的不足,提高检测精度和避免漏检.首先增加了一个小目标检测层,增加对小目标安全帽的检测精度;其次引入ShuffleAttention注意力机制,... 本文介绍了一种新的基于YOLOv5s的目标检测方法,旨在弥补当前主流检测方法在小目标安全帽佩戴检测方面的不足,提高检测精度和避免漏检.首先增加了一个小目标检测层,增加对小目标安全帽的检测精度;其次引入ShuffleAttention注意力机制,本文将ShuffleAttention的分组数由原来的64组减少为16组,更加有利于模型对深浅、大小特征的全局提取;最后增加SA-BiFPN网络结构,进行双向的多尺度特征融合,提取更加有效的特征信息.实验表明,和原YOLOv5s算法相比,改善后的算法平均精确率提升了1.7%,达到了92.5%,其中佩戴安全帽和未佩戴安全帽的平均精度分别提升了1.9%和1.4%.本文与其他目标检测算法进行对比测试,实验结果表明SAB-YOLOv5s算法模型仅比原始YOLOv5s算法模型增大了1.5M,小于其他算法模型,提高了目标检测的平均精度,减少了小目标检测中漏检、误检的情况,实现了准确且轻量级的安全帽佩戴检测. 展开更多
关键词 YOLOv5s 安全帽佩戴检测 ShuffleAttention注意力机制 SA-BiFPN
下载PDF
基于YOLOv4-Tiny与显著性检测的安全帽佩戴检测
14
作者 兰天 李岳阳 罗海驰 《计算机与数字工程》 2023年第9期2146-2151,2164,共7页
传统的采用人工巡视工作场所或使用实时监控,对工人安全帽佩戴情况进行检测的方法费时费力,效率低下。随着深度学习技术的发展,可以利用目标检测的方法来对工人安全帽佩戴进行实时检测。但受工作场所复杂环境因素的影响,直接应用目标检... 传统的采用人工巡视工作场所或使用实时监控,对工人安全帽佩戴情况进行检测的方法费时费力,效率低下。随着深度学习技术的发展,可以利用目标检测的方法来对工人安全帽佩戴进行实时检测。但受工作场所复杂环境因素的影响,直接应用目标检测模型检测工人佩戴安全帽的准确率不高。为此,通过优化YOLOv4-Tiny模型,利用K-means聚类算法,针对安全帽这个特定目标生成合适的先验框,然后将YOLOv4-Tiny检测结果与改进的动态显著性检测结果有效融合,提升了工人佩戴安全帽检测的准确率。实验证明,该方法能有效缓解复杂背景对目标检测的影响,能够较准确地检测出有无佩戴安全帽的工作人员。 展开更多
关键词 安全帽佩戴检测 目标检测 动态显著性检测 K-means聚类方法
下载PDF
融合坐标注意力与多尺度特征的轻量级安全帽佩戴检测
15
作者 李忠飞 冯仕咏 +2 位作者 郭骏 张云鹤 徐飞翔 《工矿自动化》 CSCD 北大核心 2023年第11期151-159,共9页
针对现有煤矿工人安全帽佩戴检测算法存在检测精度与速度难以取得较好平衡的问题,以YOLOv4模型为基础,提出了一种融合坐标注意力与多尺度的轻量级模型M-YOLO,并将其用于安全帽佩戴检测。该模型使用融入混洗坐标注意力模块的轻量化特征... 针对现有煤矿工人安全帽佩戴检测算法存在检测精度与速度难以取得较好平衡的问题,以YOLOv4模型为基础,提出了一种融合坐标注意力与多尺度的轻量级模型M-YOLO,并将其用于安全帽佩戴检测。该模型使用融入混洗坐标注意力模块的轻量化特征提取网络S-MobileNetV2替换YOLOv4的特征提取网络CSPDarknet53,在减少相关参数量的前提下,有效改善了特征之间的联系;将原有空间金字塔池化结构中的并行连接方式改为串行连接,有效提高了计算效率;对特征融合网络进行改进,引入具有高分辨率、多细节纹理信息的浅层特征,以有效加强对检测目标特征的提取,并将原有Neck结构中的部分卷积修改为深度可分离卷积,在保证检测精度的前提下进一步降低了模型的参数量和计算量。实验结果表明,与YOLOv4模型相比,M-YOLO模型的平均精度均值仅降低了0.84%,但计算量、参数量、模型大小分别减小了74.5%,72.8%,81.6%,检测速度提高了53.4%;相较于其他模型,M-YOLO模型在准确率和实时性方面取得了良好的平衡,满足在智能视频监控终端上嵌入式加载和部署的需求。 展开更多
关键词 目标检测 安全帽佩戴检测 坐标注意力模块 轻量化 多尺度特征融合
下载PDF
基于改进YOLOX-m的安全帽佩戴检测
16
作者 王晓龙 江波 《计算机工程》 CAS CSCD 北大核心 2023年第12期252-261,共10页
安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种... 安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种基于多阶段网络训练策略的改进YOLOX-m模型。首先对YOLOX-m主干特征网络卷积块的堆叠次数进行重新设计,在减小网络规模的同时最大化模型性能,然后将残差化重参视觉几何组与快速空间金字塔池化相结合,提高检测精度和推理速度。设计一种多阶段网络训练策略,将训练集和测试集拆分成多个组,并结合推理阶段生成的伪标签进行多次网络训练,以减少域迁移差异,获得更高的检测精度。实验结果表明,与YOLOX-m模型相比,改进YOLOX-m模型的推理延迟降低了5 ms,模型大小减少了4.7 MB,检测精度提高了1.26个百分点。 展开更多
关键词 安全帽佩戴检测 深度学习 残差化重参视觉几何组 快速空间金字塔池化 多阶段网络训练策略
下载PDF
改进YOLOv4的安全帽佩戴检测方法
17
作者 李天宇 吴浩 +2 位作者 毛艳玲 田洋川 陈明举 《计算机工程与设计》 北大核心 2023年第8期2374-2381,共8页
由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR_YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scSE注意力模块... 由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR_YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scSE注意力模块组成特征增强模块,改进网络结构,分别提高对网络感受野信息的获取能力和对Neck网络的特征提取能力。利用Kmeans++算法对安全帽数据进行anchor尺寸优化,提高算法的检测准确率。实验结果表明,SR_YOLO的mAP为84.05%,较YOLOv4提高1.45%,每秒检测帧率为30 fps,能够实现安全帽佩戴情况的快速准确检测。 展开更多
关键词 安全帽佩戴检测 YOLOv4 空间金字塔池化层 特征增强模块 Res2 Net scSE注意力机制 Kmeans++
下载PDF
基于改进的YOLOv5s安全帽佩戴检测算法
18
作者 宫妍 夏明磊 +1 位作者 王凯 翟俊杰 《哈尔滨商业大学学报（自然科学版）》 CAS 2023年第5期550-557,共8页
针对个人防护用具安全帽的防护检测识别需求,现有的人工检测方法费时费力,无法做到实时监测.提出了一种基于YOLOv5s深度学习模型的安全帽检测算法,能够有效识别检测安全帽是否正确佩戴.并通过添加CA注意力机制,重新分配每个空间和通道... 针对个人防护用具安全帽的防护检测识别需求,现有的人工检测方法费时费力,无法做到实时监测.提出了一种基于YOLOv5s深度学习模型的安全帽检测算法,能够有效识别检测安全帽是否正确佩戴.并通过添加CA注意力机制,重新分配每个空间和通道的权重;以BoT3替代原有的C3模型,作为主干网络;并将CIOU损失函数改为SIOU等方法,改进原有的YOLOv5s模型,提高安全帽检测识别的精度,提高检测速度.实验结果表明,安全帽识别检测的平均精度比原始模型提高了2.2%,识别检测速度提升了19 ms,实现了更准确地轻量高效实时的安全帽佩戴检测. 展开更多
关键词 深度学习 目标检测 YOLOv5 CIOU损失函数 视觉识别 安全帽佩戴检测
下载PDF
基于改进YOLO的安全帽佩戴检测算法研究
19
作者 刘聪 《计算机科学与应用》 2023年第12期2551-2561,共11页
高危场景下的安全帽佩戴检测任务是保障施工人员生命财产安全的重要一环。本文针对复杂场景下传统安全帽检测中小目标检测性能不佳、模型参数量大等问题,提出一种基于改进YOLOv7-Tiny的安全帽检测方法。该方法设计一种针对小目标检测的... 高危场景下的安全帽佩戴检测任务是保障施工人员生命财产安全的重要一环。本文针对复杂场景下传统安全帽检测中小目标检测性能不佳、模型参数量大等问题,提出一种基于改进YOLOv7-Tiny的安全帽检测方法。该方法设计一种针对小目标检测的特征提取网络,从而加强网络对小目标的识别能力;引入轻量化上采样算子CARAFE,改进上采样过程从而提高特征融合质量;使用K-means++聚类算法对数据集中目标的锚框进行重新聚类,得到适应安全帽检测的锚框尺寸;并引入CA注意力机制,让网络更加关注有用的坐标信息,加强网络对小目标的识别能力。实验结果表明,在公开数据集SHWD上,改进后的算法相比YOLOv4-Tiny、YOLOX-Tiny等传统算法精度分别提升了14.1%和2.8%,相比原算法在参数量减少了31.7%的同时精度提升了1.5%,满足实际场景中对安全帽的检测要求。 展开更多
关键词 安全帽佩戴检测 上采样算子 聚类算法 注意力机制
下载PDF
基于改进YOLOv7的安全帽佩戴检测算法
20
作者 张晨 陈云鹏 +1 位作者 王青林 邱生顺 《信息与电脑》 2023年第14期115-119,共5页
佩戴安全帽对确保高危作业人员的生命安全至关重要。然而,由于施工现场活动范围广泛,从摄像头收集的安全帽图像具有相对较小、检测难度大的特点,容易出现漏检或错检的问题。因此,提出了一种基于改进YOLOv7的安全帽检测算法。使用Kmeans+... 佩戴安全帽对确保高危作业人员的生命安全至关重要。然而,由于施工现场活动范围广泛,从摄像头收集的安全帽图像具有相对较小、检测难度大的特点,容易出现漏检或错检的问题。因此,提出了一种基于改进YOLOv7的安全帽检测算法。使用Kmeans++算法聚类得到更优的先验边界框,在原YOLOv7中添加一个小目标检测层,同时加入卷积注意力机制模块(Convolutional Block Attention Module,CBAM),使网络更加关注输入图像的有效信息。为优化损失函数,使用Focal-EIoU替换了原YOLOv7网络模型中的完整的交并比(Complete Intersectionover Union,CIoU),从而减少损失函数自由度,提高模型性能。实验采用了百度飞桨公开的安全帽数据集进行训练。结果表明,改进算法的准确率达到92.2%,召回率达到91.6%,全类别平均正确率(mean Average Precision,mAP)提升1.4个百分点。提出的改进算法有效降低了漏检率及错检率,在安全帽佩戴检测中表现出良好的性能。 展开更多
关键词 安全帽佩戴检测 YOLOv7 卷积注意力机制模块(CBAM) Kmeans++ 损失函数
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 … 4 下一页 到第 页
使用帮助 返回顶部