典型文献
改进多尺度特征融合的工业现场目标检测算法
文献摘要：
为了提高工业现场等复杂场景下的小目标检测的准确率,降低工业现场的安全事故发生率,基于YOLOv3提出了一种改进多尺度特征融合方法.该方法增加了 Inception_shortcut模块,优化网络的输出宽度,使用工业现场的监控视频作为数据集以及利用k-means算法对检测目标重新聚类,引入了 PANet多尺度特征融合结构,精简了 YOLOv3的网络检测输出层.在创建工业现场安全帽、安全绳数据集FHPD、FSRPD以及PASCAL VOC2007数据集上的实验结果表明,改进算法的mAP比原始YOLOv3提高了许多.改进的多尺度特征网络融合增加了参数,但检测速度仍满足算法的实时性要求.
文献关键词：
特征融合;目标检测;YOLOv3算法;安全帽检测;安全绳检测
中图分类号：
作者姓名：
刘瑞昊;于振中;孙强
作者机构：
江南大学物联网工程学院,江苏 无锡214122;哈工大机器人国际创新研究院人工智能研究所,安徽 合肥230601
文献出处：
引用格式：
[1]刘瑞昊;于振中;孙强-.改进多尺度特征融合的工业现场目标检测算法)[J].机械与电子,2022(11):40-45
A类：
FHPD,FSRPD,安全绳检测
B类：
多尺度特征融合,工业现场,目标检测算法,复杂场景,小目标检测,安全事故,YOLOv3,融合方法,Inception,shortcut,监控视频,means,PANet,精简,网络检测,出层,现场安全,PASCAL,VOC2007,改进算法,mAP,网络融合,检测速度,安全帽检测
AB值：
0.33541
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。
