关联增强改进的CenterNet安全帽检测方法

摘要：

施工现场的安全帽佩戴状况自动化检测是保障员工安全的重要手段,目前所面临的挑战包括安全帽目标往往较小、密集且部分被遮挡,难以兼顾方法的精确度和实时性等.为此,提出一种关联增强的CenterNet改进方法.为充分发挥CenterNet逐像素分类的特点,引入关联融合模块来实现深、浅层特征的融合,弥补信息损失;同时使用上下文注意力提升模块来引导关联多级增强,进一步提升检测精度,降低误检率;此外,分阶段实施轻量化策略,剔除冗余、精简网络,极大降低权重规模、提升算法效率.该方法在复杂场景数据集上的准确率为88.6%,平均推理时间12 ms,平均权重大小19.5 MB,均优于主流对比方法.实验结果证明,该方法兼具强实时性与高准确度,适合复杂场景中的安全帽检测.

关键词：目标检测、CenterNet、注意力机制、金字塔池化

所属期刊栏目：59

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;福建省教育厅科技项目;福建工程学院项目;福建工程学院项目;闽江学院开放基金;福建省科技厅自然科学基金

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：250-256