改进YOLO v3算法及其在安全帽检测中的应用

被引：55

作者：

王兵

李文璟

唐欢

机构：

[1] 西南石油大学计算机科学学院

来源：

计算机工程与应用 | 2020年 / 09期

关键词：

目标检测; YOLO v3算法; GIoU算法; 安全帽佩戴检测;

D O I：

暂无

中图分类号：

TU714 [安全管理]; TP391.41 [];

学科分类号：

080203 ;

摘要：

YOLO v3目标检测算法由于其速度快、精度较高,在工业中获得了广泛应用,但存在目标函数与评价指标不统一的问题,针对此问题提出了改进YOLO v3目标检测算法。该算法改进GIoU计算方法,并与YOLO v3算法目标函数相结合,设计了一个新的目标函数,实现了目标函数局部最优为IoU局部最优。公共数据集VOC2007和安全帽佩戴数据集测试结果表明,相比于YOLO v3算法,改进YOLO v3的mAP-50分别提高了2.07%和2.05%。

引用

页码：33 / 40

页数：8

共 6 条

[1] 改进YOLO v3的安全帽佩戴检测方法 [J].

施辉 ;

陈先桥 ;

杨英 .

计算机工程与应用, 2019, (11) :213-220

[2] 深度卷积神经网络在目标检测中的研究进展 [J].

姚群力 ;

胡显 ;

雷宏 .

计算机工程与应用 , 2018, (17) :1-9

[3] 基于LBP统计特征的低分辨率安全帽识别 [J].

周艳青 ;

薛河儒 ;

姜新华 ;

孙海鑫 ;

寻言言 .

计算机系统应用, 2015, 24 (07) :211-215

[4] 肤色检测和Hu矩在安全帽识别中的应用 [J].

刘晓慧 ;

叶西宁 .

华东理工大学学报(自然科学版), 2014, 40 (03) :365-370

[5]

Automated Hardhat Detection for Construction Safety Applications[J] . Bahaa Eddine Mneymneh,Mohamad Abbas,Hiam Khoury.Procedia Engineering . 2017

[6]

The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)

← 1 →