首页|改进YOLOv3的复杂施工环境下安全帽佩戴检测算法

改进YOLOv3的复杂施工环境下安全帽佩戴检测算法

扫码查看
原文链接
  • 万方数据
  • 维普
为解决施工场所环境复杂导致的智能监控下安全帽佩戴检测准确率低及漏检等问题,提出一种改进YOLOv3的安全帽佩戴检测算法.采用Focal Loss专注困难正样本训练,提高模型在复杂环境下的鲁棒性;在原始网络基础上使用空间金字塔多级池化融合局部与整体特征,提高多尺度检测能力;引入注意力机制,将通道和空间注意力模块分别集成到YOLOv3的主干网络和检测层的残差结构中,使模型专注于安全帽特征学习;使用GIoU提高定位准确率,在复杂施工环境不同视觉条件下验证算法的有效性.结果表明:改进模型的平均精度达到88％,较原始模型提高13.3％,其中person及helmet的精度分别提高17.2％、9.5％,召回率分别提高15.3％、7.6％.
Safety helmet wearing detection algorithm in complex construction environment based on improved YOLOv3

赵红成、田秀霞、杨泽森、白万荣

展开 >

上海电力大学计算机科学与技术系,上海200090

国网甘肃省电力公司电力科学研究院,甘肃兰州730070

YOLOv3 复杂施工环境 安全帽佩戴 检测算法 Focal Loss 空间金字塔池化(SPP) 注意力机制 并集上的广义交集(GIoU)

国家自然科学基金国网甘肃省电力公司电力科学研究院项目

61772327H2019-275

2022

10.16265/j.cnki.issn1003-3033.2022.05.0714

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(5)
  • 8
  • 6