作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,目标检测主要通过卷积神经网络(CNN)提取图片的特征,根据应用场景相应地诞生了许多目标检测算法.对于安全帽与人体的目标检测这一应用场景,国内外根据各种算法已经有很多实际的应用,并取得了很好的效果.2004年,Alexey等人根据YOLO v3提出了YOLO v4算法,在速度与精度上有了非常好的提升,与YOLO v3相比,YOLO v4的AP和FPS分别提升了10%和12%.
推荐文章
智能安全帽工地管理系统
射频识别
GPRS
智能
安全帽
基于改进Faster RCNN的安全帽佩戴检测研究
安全帽佩戴检测
FasterRCNN
多尺度训练
在线困难样本挖掘
多部件结合
基于Swin Transformer的YOLOv5安全帽佩戴检测方法
安全帽佩戴检测
YOLOv5
Swin Transformer
Ghost
新型跨尺度特征融合
K-means++
能自动测报体温的智能施工安全帽研究
智能施工安全帽
自动测报体温
防疫装备
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 工地安全帽佩戴监测系统
来源期刊 电子世界 学科
关键词
年,卷(期) 2021,(4) 所属期刊栏目 技术交流
研究方向 页码范围 188-189
页数 2页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
引文网络交叉学科
相关学者/机构
期刊影响力
电子世界
半月刊
1003-0522
11-2086/TN
大16开
北京市
2-892
1979
chi
出版文献量(篇)
36164
总下载数(次)
96
总被引数(次)
46655
论文1v1指导