10.3778/j.issn.1002-8331.2006-0354
轻量化高精度卷积神经网络的安全帽识别方法
由于施工环境的复杂性,基于机器视觉的安全帽识别方法常常出现误检与漏检的情况.为提高复杂环境下安全帽识别的准确率,同时满足实时性要求,提出一种基于视觉感受野特性的轻量化高精度卷积神经网络.该卷积神经网络以RFBnet网络为基础,增加特征金字塔网络模块,使神经网络同时兼顾浅层语义信息和深层语义信息的表示能力,以实现复杂施工环境下不同形态与大小安全帽的识别.采用SE-Ghost模块在保持网络特征提取能力不变的情况下,对主干网络结构进行轻量化.为验证方法的性能,将基于感受野特性的轻量化卷积神经网络和当前主要卷积神经网络进行实验对比,结果表明,所提网络模型的检测准确率较YOLO-v3、RFBnet-300和RFBnet-512网络分别提高了1.60个百分点、3.62个百分点和0.98个百分点,检测速度达到20 frame/s.
安全帽检测;卷积神经网络;感受野结构;特征金字塔
57
TP391.4(计算技术、计算机技术)
四川省科技厅项目;人工智能四川省重点实验室开放基金
2021-11-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
177-181