基于YOLO-CDF神经网络的安全帽检测_张学锋
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。
- 2023-02-08
- 阅读149
- 下载0
- 10页
- pdf