典型文献
改进YOLOv5的油田作业现场安全着装小目标检测
文献摘要：
针对油田作业现场监控视频中的工人安全着装小目标检测效果较差的问题, 提出了改进YOLOv5的油田场景规范化着装检测方法Cascade-YOLOv5 (C-YOLOv5). 首先搭建YOLO-people与YOLO-dress级联的小目标检测网络, 定位行人目标, 然后裁剪出行人区域并进行尺度变换, 最后对行人进行安全着装检测; 为了充分融合浅层与深层特征信息, 在各级网络中使用4个不同尺度的卷积特征层来预测待检测目标. 最后在原始图像中用不同颜色的框标出行人以及行人的着装部件类别, 从而判定行人是否着装规范. 实验证明, 相比原始YOLOv5算法, C-YOLOv5方法不仅满足实时性的要求, 而且检测的mAP提升了2.3％. 同时, 融合了深浅层信息的改进方法有效地增强了特征的表征能力, 提高了小目标的检测精度.
文献关键词：
改进YOLOv5;着装检测;多尺度融合;小目标检测;级联网络
中图分类号：
作者姓名：
田枫;贾昊鹏;刘芳
作者机构：
东北石油大学 计算机与信息技术学院, 大庆 163318
文献出处：
引用格式：
[1]田枫;贾昊鹏;刘芳-.改进YOLOv5的油田作业现场安全着装小目标检测)[J].计算机系统应用,2022(03):159-168
A类：
B类：
YOLOv5,油田,田作,现场安全,小目标检测,现场监控,监控视频,检测效果,着装检测,Cascade,people,dress,目标检测网络,裁剪,剪出,尺度变换,充分融合,深层特征,特征信息,不同尺度,卷积特征,原始图像,标出,mAP,深浅,改进方法,表征能力,检测精度,多尺度融合,级联网络
AB值：
0.359995
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。
