YOLOv3在安全帽佩戴检测中的应用研究

摘要：

针对施工现场环境复杂,基于YOLOv3的安全帽佩戴检测算法存在精度低、鲁棒性差等问题,提出一种改进YOLOv3的安全帽佩戴检测算法.使用K-means算法聚类出先验框,改进了网络输出尺度;并在输出端引入了跳跃连接构成残差模块;同时改进分类损失函数以平衡正负样本、难易样本对模型的影响.为验证该方法的有效性,在NVIDIA GTX1660Ti平台上进行了验证,实验结果表明,改进后的YOLOv3安全帽佩戴检测算法平均准确率提高了4.84％,提升了对被遮挡的目标以及小目标的检测能力,具有较强的鲁棒性.

关键词：安全帽、YOLOv3、特征融合、损失函数

所属期刊栏目：37

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金资助项目;安徽高校自然科学研究重点项目;安徽省教育厅高校科学研究重大项目

在线出版日期：2021-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：78-86