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:
为解决工地场所人员的安全隐患问题,提出了一种基于计算机视觉技术与人工智能技术相结合的安全帽检测系统.设计了一种与特征图深度融合的改进YOLOv3算法,它能够捕捉到原图像中更多中小型目标物体的图像信息,使得系统模型更加关注、学习这一块图像信息,进而能够更好的完成对安全帽佩戴检测这一任务.实验结果表明,该系统能够对工地中的工人进行实时、高效检测,有效的减少工地场所安全隐患.
推荐文章
基于深度学习的安全帽检测方法研究
安全帽
不安全行为
深度学习
卷积神经网络
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
智能安全帽工地管理系统
射频识别
GPRS
智能
安全帽
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++
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 安全帽检测系统设计
来源期刊 电子世界 学科
关键词
年,卷(期) 2021,(15) 所属期刊栏目 技术交流
研究方向 页码范围 166-167
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
论文1v1指导