典型文献
面向嵌入式平台的安全帽实时检测方法
文献摘要：
针对当前基于深度学习的安全帽检测方法因结构复杂和计算量大,难以在嵌入端实现实时检测的问题,提出一种适用于嵌入式平台的轻量化安全帽实时检测方法.该方法以Tiny-YOLOv3检测网络为基础,通过改进特征提取网络和多尺度预测优化网络结构,引入空间金字塔池化模块丰富特征图的多尺度信息,采用K-means聚类算法确定适合安全帽检测的锚框,引入CIoU边界框回归损失函数以提高检测精度.实验结果表明:在608×608的输入尺寸下,所提方法的平均准确率、召回率、F1值分别达到87.50％、84％、83％,较Tiny-YOLOv3检测方法分别提升了11.27、11和7个百分点;且在嵌入式平台NVIDIA Jetson Nano上实现了20.58 frame/s的实时检测速度,可满足在嵌入端实现安全帽实时检测的需求.该方法在光线不佳、小目标、密集目标等复杂施工环境下具有良好的适应性和泛化性.
文献关键词：
安全帽检测;Tiny-YOLOv3;嵌入式平台;多尺度预测;空间金字塔池化
中图分类号：
作者姓名：
农元君;王俊杰;徐晓东;赵雪冰
作者机构：
中国海洋大学 工程学院,山东 青岛 266100
文献出处：
引用格式：
[1]农元君;王俊杰;徐晓东;赵雪冰-.面向嵌入式平台的安全帽实时检测方法)[J].计算机工程与应用,2022(09):161-167
A类：
B类：
嵌入式平台,实时检测,安全帽检测,法因,计算量,Tiny,YOLOv3,测网,改进特征,特征提取网络,多尺度预测,空间金字塔池化,金字塔池化模块,特征图,多尺度信息,means,聚类算法,锚框,CIoU,边界框回归损失函数,高检,检测精度,平均准确率,召回率,百分点,NVIDIA,Jetson,Nano,frame,检测速度,光线,小目标,密集目标,复杂施工环境,泛化性
AB值：
0.366577
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。
