典型文献
使用场景增强的安全帽佩戴检测方法研究
文献摘要：
为了解决现有安全帽佩戴数据集样本数量有限导致模型检测精度较低的问题,提出一种基于场景增强的样本扩充算法.该算法将训练集中随机抽取的图像中的检测目标随机缩放后,粘贴到另一随机场景图像上的任意位置,基于现有场景构建出拥有新的检测目标的增强场景,通过场景增强扩充安全帽佩戴训练数据集,增加训练数据集的多样性.为了验证该算法在安全帽佩戴检测中的有效性,使用场景增强算法扩充HelmetWear数据集,并用其训练基于YOLO v4的安全帽佩戴检测模型,通过检测精度评估场景增强算法.在HelmetWear数据集上检测精度达到93.81％,检测精度提升了6.39个百分点.实验结果表明该算法能有效提升安全帽佩戴检测的精度,特别是在样本最为欠缺的小目标上表现更为显著;场景增强算法对解决其他领域目标检测训练数据不足的问题有重要的借鉴意义.
文献关键词：
安全帽检测;场景增强;HelmetWear数据集;YOLO v4
中图分类号：
作者姓名：
徐传运;袁含香;李刚;郑宇;刘欢
作者机构：
重庆理工大学 计算机科学与工程学院,重庆 400054
文献出处：
引用格式：
[1]徐传运;袁含香;李刚;郑宇;刘欢-.使用场景增强的安全帽佩戴检测方法研究)[J].计算机工程与应用,2022(19):326-332
A类：
HelmetWear
B类：
使用场景,场景增强,安全帽佩戴检测,样本数量,模型检测,检测精度,样本扩充,训练集,随机抽取,缩放,粘贴,贴到,随机场,场景图像,场景构建,强场,过场,训练数据集,加训,增强算法,YOLO,v4,检测模型,精度评估,精度提升,百分点,提升安全,小目标,目标检测,安全帽检测
AB值：
0.285948
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。
