共 10 条
- [9] 基于人体识别的安全帽视频检测系统研究与实现[D]. 李琪瑞.电子科技大学. 2017
- [10] Fast r-cnn .2 Girshick R. Proceedings of the IEEE International Conference on Computer Vision . 2015
改进YOLOv3的安全帽佩戴检测方法
被引：34
作者：
肖体刚
[1
]
蔡乐才
[2
]
高祥
[1
]
黄洪斌
[1
]
张超阳
[2
]
机构：
[1] 四川轻化工大学自动化与信息工程学院
[2] 宜宾学院三江人工智能与机器人研究院
来源：
关键词：
安全帽检测;
YOLOv3;
深度可分离卷积;
特征融合;
K-Means;
D O I：
暂无
中图分类号：
TP391.41 [];
X924.2 [安全监测技术与设备];
学科分类号：
080203 ;
摘要：
针对在智能监控中安全帽佩戴检测准确率低和检测速率慢的问题,提出一种基于改进YOLOv3(You Only Look Once)的安全帽佩戴检测算法YOLOv3-WH。在YOLOv3算法的基础上改进网络结构,增大输入图像的尺度,使用深度可分离卷积结构替换Darknet-53传统卷积,减少特征的丢失,缩减模型参数,提升检测速率;使用多尺度特征检测,增加浅层检测尺度,添加4倍上采样特征融合结构,提高安全帽佩戴检测准确率;优化K-Means聚类算法,获取安全帽佩戴检测的先验框(anchor box),按照预测尺度大小分配适合的anchor,提升模型训练和检测速率。实验结果表明YOLOv3-WH相比YOLOv3,每秒检测帧数(FPS)提高了64%,检测平均精确度(mAP)提高了6.5%,该算法在提升了安全帽佩戴检测速率的同时提升了检测的准确率,对安全帽佩戴检测具有一定的实用性。
引用
收藏
页码：216 / 223
页数：8
相关论文