典型文献
基于改进Faster R-CNN的头盔检测算法研究
文献摘要：
为加强建筑、矿井、石油开采等行业现场工作人员是否按规定佩戴安全帽的监督,降低施工现场的安全隐患,提出一种基于改进Faster R-CNN的安全帽检测算法,用于检测进入施工场所的工人安全帽的佩戴情况.针对Faster R-CNN算法在小目标上检测精度低下问题,采用主要样本注意力机制(PISA)方法对样本按权值重新进行排序,优化样本不均衡问题;用可变形卷积模块(DCN)代替模型中普通卷积层,进一步改善识别精度.实验过程中还应用了 Ablu数据增强方法提升网络的泛化性.结合施工现场实地采集的数据集,验证了算法的有效性.实验结果表明,改进之后的检测模型在目标检测上的平均精度均值较原Faster R-CNN算法提升了 3.9％,召回率提高了 0.8％,F1-score提高了 2.1.
文献关键词：
深度学习;小目标检测;头盔检测;Faster R-CNN
中图分类号：
作者姓名：
储开斌;叶托;张继
作者机构：
常州大学微电子与控制工程学院 常州213164
文献出处：
引用格式：
[1]储开斌;叶托;张继-.基于改进Faster R-CNN的头盔检测算法研究)[J].国外电子测量技术,2022(06):86-92
A类：
Ablu
B类：
Faster,头盔检测,检测算法,算法研究,矿井,石油开采,按规定,佩戴,施工现场,安全帽检测,施工场所,检测精度,下问,注意力机制,PISA,权值,样本不均衡,均衡问题,可变形卷积,卷积模块,DCN,卷积层,识别精度,数据增强,增强方法,泛化性,检测模型,平均精度均值,召回率,score,小目标检测
AB值：
0.396101
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。
