典型文献
基于YOLO-CDF神经网络的安全帽检测
文献摘要：
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.
文献关键词：
安全帽检测;注意力机制;可变卷积;特征图
中图分类号：
作者姓名：
张学锋;王子琦;汤亚玲
作者机构：
安徽工业大学计算机科学与技术学院,安徽马鞍山243000
文献出处：
引用格式：
[1]张学锋;王子琦;汤亚玲-.基于YOLO-CDF神经网络的安全帽检测)[J].重庆工商大学学报（自然科学版）,2022(04):32-41
A类：
HELMET
B类：
CDF,安全帽检测,检测准确性,YOLOv3,注意力机制,空间信息,语义信息,可变卷积,一定量,训练样本,特征图,网络特征,人头,头等,小目标,识别率,取到,目标特征,平均精度均值
AB值：
0.316583
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
