首页|基于YOLOX-L算法的安全帽佩戴检测方法

基于YOLOX-L算法的安全帽佩戴检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
安全帽作为生产和作业场地工人的最基本的个体防护装备,能够极大地保证工作人员的安全防护,在实际生产环境下由于多种因素造成的伤亡中,没有佩戴安全帽造成伤亡事故的占比一直很高.为了减少相应的事故发生率,提出一种基于YOLOX-L算法的安全帽佩戴检测方法.YOLOX系列模型是当前最为先进的实时的无锚的单阶段检测器之一,在多种类别目标的检测下都具有优异的准确率和速度效果.通过使用YOLOX-L模型骨干层提取多尺度的特征图,用于回归目标位置和预测类别;使用安全帽佩戴检测数据集(SHWD),使用冻结非冻结的训练方式训练YOLOX-L网络,最后选取最好的训练模型检测安全帽的类别和位置.实验结果表明,在SHWD数据集检测任务中,相比较于YOLOv3算法,基于YOLOX-L的mAP提高了5.41％,查全率分别提高了18.51％和26.44％.所提方法在满足高准确率和实时性要求的基础上,更少发生漏检,具有更高的查全率.
Safety Helmet Wearing Detection Method Based on YOLOX-L Algorithm

李骏峰、杨小军、张凯望

展开 >

长安大学 信息工程学院,陕西 西安 710068

深度学习 卷积神经网络 目标检测 安全帽佩戴检测 YOLOX-L算法

61473047300102248401

2022

10.3969/j.issn.1673-629X.2022.09.016

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(9)
  • 2
  • 4