基于增强特征融合网络的安全帽佩戴检测附视频

被引：2

作者：

崔卓栋

陈玮

尹钟

机构：

[1] 上海理工大学光电信息与计算机工程学院

来源：

电子科技 | 2023年 / 04期

关键词：

安全帽佩戴检测; 特征融合; 特征金字塔; 目标检测; EfficientDet; 空间融合; 深度学习; 卷积神经网络;

D O I：

10.16180/j.cnki.issn1007-7820.2023.04.006

中图分类号：

TP391.41 []; TU714 [安全管理];

学科分类号：

080203 ; 1201 ;

摘要：

佩戴安全帽是保证工人施工安全的重要方式之一。现有的安全帽检测器的检测精度与速度都有待提高，这使得这些检测器难以大规模应用于实际的生产活动中。针对这些问题，文中推出了基于EfficientDet的安全帽检测器，并在此基础上从特征融合的角度对其进行了改进。该模型通过使用特征补充的方式减少了特征融合过程中的信息损失，并利用改进的特征金字塔及自适应空间融合模块提升了融合的效率，最终达到提升性能的目的。实验表明，文中改进的模型在安全帽佩戴数据集上的精确率达到83.03%,相较于未改进的模型有所提升，且模型大小没有明显增加。该模型在PASCAL VOC 2007上的精确率则达到了82.76%。

引用

页码：44 / 51

页数：8

共 9 条

[1] 面向目标识别的轻量化混合卷积神经网络 [J].

刘晋 ;

邓洪敏 ;

徐泽林 ;

杨洋 .

计算机应用, 2021, 41(S2) (S2) :5-12

[2] 基于多分支并行空洞卷积的多尺度目标检测算法 [J].

袁帅 ;

王康 ;

单义 ;

杨金福 .

计算机辅助设计与图形学学报, 2021, 33 (06) :864-872

[3] 目标检测的多尺度定位提升算法 [J].

王平 ;

江雨泽 ;

赵光辉 .

西安电子科技大学学报, 2021, 48 (03) :85-90

[4] 基于改进YOLOv2的快速安全帽佩戴情况检测 [J].

方明 ;

孙腾腾 ;

邵桢 .

光学精密工程, 2019, (05) :1196-1205

[5] 基于改进Faster RCNN的安全帽佩戴检测研究 [J].

徐守坤 ;

王雅如 ;

顾玉宛 ;

李宁 ;

庄丽华 ;

石林 .

计算机应用研究, 2020, 37 (03) :901-905

[6] 基于安全帽佩戴检测的矿山人员违规行为研究 [J].

仝泽友 ;

冯仕民 ;

侯晓晴 ;

丁恩杰 .

电子科技, 2019, 32 (09) :26-31

[7]

Guo C.,Fan B.,Zhang Q.,Xiang S.,Pan C..AUGFPN: Improving multi-scale feature learning for object detection[J].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020

[8]

Tan M.,Pang R.,Le Q.V..EfficientDet: Scalable and efficient object detection[J].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020

[9]

Qi Fang,Heng Li,Xiaochun Luo,Lieyun Ding,Hanbin Luo,Timothy M. Rose,Wangpeng An.Detecting non-hardhat-use by a deep learning method from far-field surveillance videos[J].Automation in Construction,2018

← 1 →