這種改進(jìn)的Yolo v3的安全帽佩戴識別檢測方法應(yīng)用在建筑行業(yè)、
采礦行業(yè)等都一些工作環(huán)境比較復(fù)雜、工作人員比較密集的行業(yè)領(lǐng)域。為解決實際工廠安全帽佩戴精準(zhǔn)識別問題,采取以下措施對Yolo v3算法模型進(jìn)行優(yōu)化。在錨框的選取方式上改用k?means++聚類算法進(jìn)行優(yōu)化,解決了初始質(zhì)心不穩(wěn)定的問題。在損失函數(shù)的設(shè)計上使用GIoU作為邊界框坐標(biāo)回歸損失,解決了均方差損失的尺度敏感問題。為了解決正負(fù)樣本比例不均衡問題,引入Focal Loss,通過降低簡單背景類的權(quán)重使算法模型更專注于密集小目標(biāo)物的檢測。該模型在精確度、召回率等指標(biāo)上也均有所提升,滿足實際安全帽檢測的精度要求。這種改進(jìn)的Yolo v3的安全帽佩戴識別檢測方法主要用在上下班人員高峰期佩戴安全帽識別。
聲明:
“基于改進(jìn)Yolo v3的安全帽佩戴識別檢測” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)