10.3969/j.issn.1673-629X.2020.06.030
基于SE Detection Net的安全帽检测方法
在日常的生产中,安全帽对工人的安全提供了保障.为了减少因未佩戴安全帽而引起的安全事故的发生,安全帽的识别在工人安全生产方面具有极高的应用价值.针对利用传统的机器学习方法对安全帽的检测效果不理想的问题,提出一种全卷积深度神经网络:分辨率增强检测网络,对工人是否佩戴安全帽进行检测.该方法利用VGG16网络中的三个不同层次的特征图,采用提出的分辨率增强模块,使三个特征图的分辨率达到一致;将此三个特征图根据通道数相连的方式进行融合;利用融合后的特征图生成特征金字塔,用于多尺度安全帽的检测.实验表明,相比于常见的神经网络检测模型,此方法不仅实现了实时检测安全帽的速度要求,同时具有较高的检测准确率,提高了小尺度安全帽的召回率和大尺度安全帽的检测精度.
多尺度安全帽检测、特征融合、特征金字塔、分辨率增强模块、卷积神经网络
30
TP301(计算技术、计算机技术)
国家自然科学基金;山东省自然科学基金资助项目
2020-06-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
156-159