典型文献
基于YOLOX-L算法的安全帽佩戴检测方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
李骏峰;杨小军;张凯望
作者机构：
长安大学 信息工程学院,陕西 西安 710068
文献出处：
引用格式：
[1]李骏峰;杨小军;张凯望-.基于YOLOX-L算法的安全帽佩戴检测方法)[J].计算机技术与发展,2022(09):100-106
A类：
SHWD
B类：
YOLOX,安全帽佩戴检测,作业场地,个体防护装备,安全防护,生产环境,伤亡事故,单阶段,检测器,特征图,目标位置,使用安全,检测数据集,冻结,训练方式,训练模型,模型检测,YOLOv3,mAP,查全率,漏检,目标检测
AB值：
0.248261
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。
