基于YOLO-CDF神经网络的安全帽检测

摘要：

针对当前安全帽检测准确性低和适应性差的问题,提出一种以YOLOv3网络为基础,进行相应改进的安全帽检测方法;为了保证安全帽检测的准确度和增大对图片中安全帽的关注度,采用注意力机制增强了从图片提取出的空间信息和语义信息,减少了图像细节的丢失,再使用可变卷积来适应人的姿态变化,增强了模型对目标的适应性,减少了一定量的训练样本,最后通过改变输出特征图的尺寸,融合浅层的网络特征,提升了人头等小目标的识别率;采用自制的HELMET数据集对方法进行训练与测试,并通过对比实验表明:方法相较于其他检测方法能够提取到更多的目标特征,达到更高的平均精度均值,同时在实际应用中适应性较好.

关键词：安全帽检测、注意力机制、可变卷积、特征图

所属期刊栏目：39

分类号：TP183(自动化基础理论)

资助基金：安徽省教育厅重大课题基金项目;安徽高校协同创新项目;结合实物机器人的化工企业救援仿真系统

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：32-41