文章目录
0 引言
1 相关工作
2 级联网络
2.1 检测网络
2.2 级联网络SE-ResNet分类网络
2.3 深度级联网络安全帽检测算法
2.4 深度级联网络损失函数
3 实验分析
3.1 数据集
3.1.1 施工人员数据集制作
3.1.2 安全帽数据集制作
3.2 实验结果与分析
3.2.1 安全帽级联网络模型训练策略
3.2.2 实验结果定性和定量分析
3.2.3 检测网络模块选择实验
4 结束语
文章摘要:在工业生产中,安全帽对人体头部提供了较好的安全保障。在现场环境中,检验施工人员是否佩戴安全帽主要依靠人工检查,因而效率非常低。为了解决施工现场安全帽检测识别难题,提出一种基于深度级联网络模型的安全帽检测方法。首先通过You Only Look Once version 4（YOLOv4）检测网络对施工人员进行检测;然后运用注意力机制残差分类网络对人员ROI区域进行分类判断,识别其是否佩戴安全帽。该方法在Ubuntu18.04系统和Pytorch深度学习框架的实验环境中进行,在自主制作工业场景安全帽数据集中进行训练和测试实验。实验结果表明,基于深度级联网络的安全帽识别模型与YOLOv4算法相比,准确率提高了2个百分点,有效提升施工人员安全帽检测效果。
文章关键词:
