典型文献
融合自注意力机制的安全帽佩戴检测方法
文献摘要：
佩戴安全帽是防止施工现场工作人员头部损伤的有效方法之一,然而现有安全帽检测算法多存在重叠目标检测难度大、小目标漏检率高等缺点.为此,提出了一种通过融合自注意力机制来改进Faster R-CNN的目标检测算法,用于安全帽检测.通过自注意力层来捕获多个尺度上的全局信息,得到更丰富的高层语义特征并将更大的感受野范围引入模型,在区域建议网络(RPN)的训练中通过锚框补选增强的方法让小目标信息得到更多的训练,强化了网络对于小尺度目标的表达能力.实验结果表明:改进后的算法在安全帽佩戴检测上的mAP值较传统Faster R-CNN提高了6.4个百分点,对于不同场景不同尺度的安全帽有着较好的检测效果.
文献关键词：
小目标检测;Faster R-CNN算法;自注意力机制;安全帽佩戴识别
中图分类号：
作者姓名：
孙国栋;李超;张航
作者机构：
湖北工业大学 机械工程学院,武汉 430068
文献出处：
引用格式：
[1]孙国栋;李超;张航-.融合自注意力机制的安全帽佩戴检测方法)[J].计算机工程与应用,2022(20):300-304
A类：
B类：
自注意力机制,安全帽佩戴检测,施工现场,头部损伤,安全帽检测,漏检率,Faster,目标检测算法,注意力层,全局信息,语义特征,感受野,区域建议网络,RPN,锚框,补选,目标信息,小尺度目标,表达能力,mAP,百分点,同场,不同尺度,检测效果,小目标检测,安全帽佩戴识别
AB值：
0.324927
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。
