扩展YOLOv5安全帽多级目标分类检测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.15888/j.cnki.csa.008946

扩展YOLOv5安全帽多级目标分类检测

引用
YOLO是目前计算机视觉目标检测领域比较重要的算法模型之一.基于现有YOLOv5s模型提出了一种扩展的YOLOv5多级分类目标检测算法模型.首先,对LabelImg标注工具进行功能扩展,使其满足多级分类标签文件构建;其次在YOLOv5s算法基础上修改检测头输出格式,在骨干网络前端引入DenseBlock、Res2Net网络模型核心设计思想,获取丰富的多维度特征信息,增强特征信息的重用性,实现了YOLO多级分类目标检测任务.在开源安全帽数据集上同时以安全帽颜色作为二级分类进行训练验证,平均精度,精确率和召回率分别达到了95.81%、94.90%和92.54%,实验结果验证了YOLOv5多级分类目标检测任务的可行性,并为目标检测及多级分类目标检测任务提供一种新的思路和方法.

目标检测、YOLOv5、多级分类、DenseBlock模块、损失函数、深度学习

32

TP183;TM727;TP391.41

国家重点研发计划2018YFB1003705

2023-02-15(万方平台首次上网日期,不代表论文的发表时间)

共11页

139-149

相关文献
评论
暂无封面信息
查看本期封面目录

计算机系统应用

1003-3254

11-2854/TP

32

2023,32(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn