改进YOLOv3的安全帽佩戴检测方法
针对目前安全帽佩戴检测模型在复杂环境下对于密集目标和遮挡目标存在漏检的问题,基于YOLOv3框架,提出了一种新的安全帽佩戴检测算法YOLOv3-H.YOLOv3-H算法在主干网络提取的3个特征层后加入多尺度自注意力机制,提升模型捕捉有用信息的能力;同时对K-means聚类算法进行优化,获得适合安全帽佩戴检测的最优先验框,从而提升网络模型的检测精度;最后采用GIOULoss作为目标定位损失函数,使得网络可以沿着预测框与真实框重叠度高的方向进行优化,从而加快模型的收敛速度.在Safety Helmet Wearing detect公开数据集上进行实验,结果表明,YOLOv3-H算法相比原有YOLOv3,平均检测精度提升了 7.05%.
安全帽佩戴检测、多尺度自注意力机制、聚类算法、损失函数
41
TP391.41(计算技术、计算机技术)
国家自然科学基金61701202
2023-03-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
148-155