施工作业面安全帽的深度学习检测方法

• 作者: 张育飞 杨静 毛晓琦
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 施工作业面 YOLO网络 安全帽检测 信息融合 多尺度检测
• 年，卷（期）: 2020,（z2）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 178-182
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020040543

摘要

针对施工作业面复杂背景下安全帽检测存在的遮挡,光照多变,且目标尺寸不一等问题,提出一种基于YOLO-v3深度学习网络的改进方法.将原网络模型的52×52检测特征图2倍上采样后,与网络中第二个残差块输出的特征图进行信息融合,再经过一组卷积操作得到一个104×104的新检测特征图.该特征图连同原模型的三个特征级联,构成一个四尺度的目标检测网络模型,改进的检测网络实现了低层特征图的边缘轮廓信息与高层特征图的语义信息的融合.通过实际现场不同工况的测试,实验结果表明,与原YOLO-v3模型相比,改进模型检测的召回率、精确率和F1值分别提高了3.7、0.7以及2.29个百分点,满足施工作业面复杂背景下安全帽检测的准确率要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静		55	381	10.0	16.0
2	张育飞		3	0	0.0	0.0
3	毛晓琦		2	0	0.0	0.0