針對(duì)施工現(xiàn)場(chǎng)環(huán)境復(fù)雜,基于YOLOv3的安全帽佩戴檢測(cè)算法存在精度低、魯棒性差等問(wèn)題,提出一種改進(jìn)YOLOv3的安全帽佩戴檢測(cè)算法。使用K-means算法聚類出先驗(yàn)框,改進(jìn)了網(wǎng)絡(luò)輸出尺度;并在輸出端引入了跳躍連接構(gòu)成殘差模塊;同時(shí)改進(jìn)分類損失函數(shù)以平衡正負(fù)樣本、難易樣本對(duì)模型的影響。為驗(yàn)證該方法的有效性,在NVIDIA GTX1660Ti平臺(tái)上進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的YOLOv3安全帽佩戴檢測(cè)算法平均準(zhǔn)確率提高了4. 84%,提升了對(duì)被遮擋的目標(biāo)以及小目標(biāo)的檢測(cè)能力,具有較強(qiáng)的魯棒性。

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 YOLOv3簡(jiǎn)介
    1.1 網(wǎng)絡(luò)結(jié)構(gòu)
    1.2 邊框預(yù)測(cè)
    1.3 損失函數(shù)
2 YOLOv3改進(jìn)
    2.1 輸出尺度改進(jìn)
    2.2 引入殘差模塊
    2.3 損失函數(shù)改進(jìn)
3 實(shí)驗(yàn)結(jié)果與分析
    3.1 訓(xùn)練
    3.2 測(cè)試
4 結(jié)論



本文編號(hào)：3777609