文献类型：期刊文章

作　　者：张学锋[1] 王子琦[1] 汤亚玲[1]

ZHANG Xue-feng;WANG Zi-qi;TANG Ya-ling(School of Computer Science and Technology, Anhui University of Technology, Anhui Maanshan 243000, 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243000

出　　处：《重庆工商大学学报（自然科学版）》

基　　金：安徽省教育厅重大课题基金项目(KJ2017ZD05);安徽高校协同创新项目(GXXT-2019-008);结合实物机器人的化工企业救援仿真系统(TZJQR002-2021).

年　　份：2022

卷　　号：39

期　　号：4

起止页码：32-41

语　　种：中文

收录情况：JST、普通刊

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  

分 类 号：TP183]