發(fā)布時(shí)間：2021-02-12 19:50

　　近年來,因工人未佩戴安全帽而造成的施工事故頻繁發(fā)生,為降低事故發(fā)生率,對(duì)工人安全帽佩戴情況進(jìn)行圖像描述的研究。當(dāng)前基于神經(jīng)網(wǎng)絡(luò)的圖像描述方法缺乏可解釋性且細(xì)節(jié)描述不充分,施工場(chǎng)景圖像描述的研究較為匱乏,針對(duì)該問題,提出采用YOLOv3（You Only Look Once）的檢測(cè)算法,以及基于語義規(guī)則和語句模板相結(jié)合的方法遞進(jìn)式地生成安全帽佩戴的描述語句。首先,采集數(shù)據(jù),制作安全帽佩戴檢測(cè)數(shù)據(jù)集和圖像字幕數(shù)據(jù)集;其次,使用K-means算法確定適用于該數(shù)據(jù)集的錨框參數(shù)值,用以YOLOv3網(wǎng)絡(luò)的訓(xùn)練與檢測(cè);再次,預(yù)定義一個(gè)語義規(guī)則,結(jié)合目標(biāo)檢測(cè)結(jié)果來提取視覺概念;最后,將提取出的視覺概念填充進(jìn)由圖像字幕標(biāo)注生成的語句模板,以生成關(guān)于施工場(chǎng)景中工人安全帽佩戴的圖像描述語句。使用Ubuntu16.04系統(tǒng)和Keras深度學(xué)習(xí)框架搭建實(shí)驗(yàn)環(huán)境,在自制的安全帽佩戴數(shù)據(jù)集上進(jìn)行不同算法的對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,所提方法不僅能夠有效界定安全帽佩戴者和未佩戴者的數(shù)量,而且在BLEU-1和CIDEr評(píng)價(jià)指標(biāo)上的得分分別達(dá)到了0.722和0.957,相比其他方法分別提高了6.9%和14.8%,證明了該方法... 

【文章來源】：計(jì)算機(jī)科學(xué). 2020,47(08)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

本文算法的流程

YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。其中CBR是YOLOv3的一個(gè)基本組件,表示卷積后進(jìn)行批標(biāo)準(zhǔn)化操作,用ReLU作為激活函數(shù)。另一個(gè)基本組件resn殘差塊組件,由Res_unit殘差單元所構(gòu)成。CBR模塊可細(xì)分為CBR_1和CBR_3,它們主要的區(qū)別在于卷積核的大小,CBR_1所使用的卷積核的尺寸為1×1,CBR_3所使用的卷積核的尺寸則為3×3。圖3 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺的安全帽自動(dòng)識(shí)別技術(shù)研究[J]. 馮國(guó)臣,陳艷艷,陳寧,李鑫,宋程程.  機(jī)械設(shè)計(jì)與制造工程. 2015(10)



本文編號(hào)：3031350