文献类型：期刊文章

作　　者：储岳中[1] 黄勇[1] 张学锋[1] 刘恒[1]

CHU Yuezhong;HUANG Yong;ZHANG Xuefeng;LIU Heng(School of Computer Science and Technology,Anhui University of Technology,Ma’anshan 243002,Anhui China)

机构地区：[1]安徽工业大学计算机科学与技术学院,安徽马鞍山243002

出　　处：《华中科技大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61971004);安徽省高校自然科学研究项目(KJ2017ZD05)。

年　　份：2020

卷　　号：48

期　　号：9

起止页码：70-75

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：基于深度学习的方法,运用单次多框检测器(SSD)目标检测框架和自注意力机制,针对施工人员佩戴安全帽数据集进行神经网络训练.通过调整原始SSD目标检测框架中的参数,并向SSD目标检测框架中添加自注意力模块来计算特征图中像素点之间相互影响,以提高算法对目标检测的关注度,扩大卷积神经网络的感受野,从而提高目标检测的准确率.实验结果表明:改进算法在应对小目标检测以及目标之间的遮挡方面有很好的适应性,同时与其他检测算法相比,检测成功率有明显提高.

关 键 词：单次多框检测器(SSD)  卷积神经网络 自注意力  目标检测 安全帽检测  

分 类 号：TP391]