典型文献
基于YOLOV4的港口作业人员检测系统研究
文献摘要：
随着经济高速发展,经略海洋与海洋经济发展成为国家重要发展战略,港口设施建设和完善对于海洋经济发展有着重要作用.然而,港口重型机械以及轮机操作对作业人员安全有潜在威胁,智能化、信息化码头建设势在必行.近年计算机视觉和深度学习技术快速发展,为港口应用智能视觉技术提供了有力的技术支撑.基于深度学习框架YOLOV4搭建了港口作业人员目标检测平台,在自建港口收集并整理了一个大规模作业人员视频数据集,在该数据集上实现不同作业场景下港口作业人员的精确检测.在自建港口作业人员数据集上将Faster RCNN、SSD和YOLOV4三种目标检测框架进行实验对比,结果表明,YOLOV4的平均检测准确率优于其它目标检测框架.基于YOLOV4的港口作业人员检测系统应用提高了港口信息化建设进度,提高了港口作业人员的安全性.
文献关键词：
港口作业;目标检测;YOLOV4;计算机视觉
中图分类号：
作者姓名：
程国安;王浩;王胜科
作者机构：
青岛港湾职业技术学院信息与电气工程学院,山东青岛266404;中国海洋大学计算机科学与技术系,山东青岛266100
文献出处：
引用格式：
[1]程国安;王浩;王胜科-.基于YOLOV4的港口作业人员检测系统研究)[J].软件导刊,2022(03):95-99
A类：
B类：
YOLOV4,港口作业,作业人员,人员检测,经略,海洋经济发展,港口设施,于海洋,口重,重型机械,轮机,人员安全,码头建设,计算机视觉,深度学习技术,智能视觉技术,深度学习框架,目标检测,检测平台,视频数据,下港,精确检测,上将,Faster,RCNN,SSD,检测框架,实验对比,检测准确率,系统应用,港口信息化
AB值：
0.336165
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。
