【摘 要】
：
近年来,各类施工场所的安全事故大部分是施工人员不按规定佩戴安全帽造成的。为了保证施工人员的人身安全,智能化安全帽佩戴检测是有必要的。基于深度学习的方法在安全帽佩戴检测上起着重要作用,其中目标检测网络精度虽然在提高,但网络越来越深,模型越来越大,因此难以应用于实际的施工现场。本文基于YOLOv4轻量化网络对安全帽佩戴检测进行研究,提出以下解决方案:1.本文提出一种轻量化网络模型DSB＿YOLOv4用
论文部分内容阅读
近年来,各类施工场所的安全事故大部分是施工人员不按规定佩戴安全帽造成的。为了保证施工人员的人身安全,智能化安全帽佩戴检测是有必要的。基于深度学习的方法在安全帽佩戴检测上起着重要作用,其中目标检测网络精度虽然在提高,但网络越来越深,模型越来越大,因此难以应用于实际的施工现场。本文基于YOLOv4轻量化网络对安全帽佩戴检测进行研究,提出以下解决方案:1.本文提出一种轻量化网络模型DSB＿YOLOv4用于安全帽佩戴检测,该模型由DSBlock模块改进YOLOv4主干网络得到。DSBlock模块将深度可分卷积替换标准卷积,并结合压缩激励机制模块增加信息的关注度,在轻量化的同时保证精确度。DSB＿YOLOv4的主干网络为DSBNet,有五种组合情况,其中包含两种模式:“2+2模式”,即两个普通卷积再加上一个深度可分卷积;“3+2模式”,即三个普通卷积再加上一个深度可分卷积。网络中的每个模块不进行内部堆叠,可以减少网络深度、参数量和模型大小。在公开数据集中验证了DSB＿YOLOv4网络的有效性。2.本文进一步对DSBlock模块进行操作,将该模块中压缩激励机制模块包含的卷积替换为深度可分卷积。由此得到的模块称为DSBlock2,对应的DSBNet2有五种组合,包含两种模式:“2×2模式”,即两个深度可分卷积;“2×2+1模式”,即两个深度可分卷积加一个扩展卷积。在公开数据集上实验,验证了DSBNet2对应的DSB＿YOLOv4网络的有效性。3.本文提出一种基于反向注意力机制模块改进YOLOv4特征聚合模块的网络模型RA＿YOLOv4用于安全帽佩戴检测。该网络通过增加目标物体的显著性特征来确保在减小网络深度的情况下不损失精确度。将主干网络深层输出的特征信息作为目标项,通过删除目标项中的目标信息,再与主干网络中侧向输出的特征信息进行聚合操作,以此引导网络保留目标的边缘与细节信息,最后保证网络对佩戴安全帽的施工人员增加关注度。在公开数据集中进行实验,在不增加额外开销的情况,验证了RA＿YOLOv4网络模型的有效性,并且通过与改进的特征提取主干网络进行联合使用后更加能够发挥轻量化的作用。
其他文献
近年来,智能设备走进千家万户,万物互联使得各行各业都产生了海量的信息,其中不乏含有小到个人的隐私图像,大至国家的机密图像在互联网上进行传输,这也随之而然地出现一系列问题,其中最严重的当属在公共信道传输过程中的数据安全问题。当数字图像在公共信道上传输时,保护图像数据信息最简单而又有效措施是利用某种技术将图像加密之后再进行传输。发送方使用图像加密算法将原始图像加密成为一幅无意义的噪声图像,而接收方使用
近来,多标签分类任务的应用领域变得越来越广泛,因此对该问题的研究也变得愈发重要。然而,类别不平衡问题是多数多标签数据集固有的一种特征,它影响了大多数多标签算法的分类效果。目前,解决这个问题的主流方法可以划分为四个类别:重采样法、分类器适应法、集成法和成本敏感法。在这其中,重采样法被认为是一个比较有效的策略,该方法是在分类器对多签数据集进行训练前,先使用重采样技术对数据集进行处理。这是一种独立于分类
多姿态人脸识别在计算机视觉中占据着重要的地位,其中最常见的研究方法为2D方法和3D方法。2D方法包括:不变特征的提取、虚拟视图重建、回归模型;3D方法包括:基于标定点的模型建立、基于像素的模型建立。针对2D方法中存在的缺陷,本文致力于结合传统特征和深度特征,提取人脸图像边缘梯度方向信息、尺度及旋转不变信息并应用于多姿态人脸识别。首先,提出一种增强边缘梯度方向信息的二值卷积神经网络。其次,提出一种尺
当前,在图像处理方面,卷积神经网络和生成对抗网络都有着不错表现,已经提出了几种针对神经网络的遥感图像融合方法,但是大多数方法都缺乏关于遥感图像领域的专业知识与结合实际应用处理。受到多对抗生成对抗网络思想的启发,本文创新性地提出了一种针对全色锐化的多对抗的生成对抗网络框架,提出的网络采用多对抗训练模式并融入遥感图像领域的特定知识。首先,在生成对抗网络的对抗过程中使用了一种对抗方式——多对抗。将生成器
从新闻信息流到社交、购物等应用场景,广告推荐无处不在。点击通过率预估作为广告推荐中的一项核心任务,一直以来都是学术界和工业界关注的热点。通过提高点击通过率预估效果,一方面可以改善用户浏览体验,另一方面还可以提高平台方收益。近些年,随着深度学习技术在多个任务领域取得成功,点击通过率预估模型也由早期的人工提取特征信息逐渐转变为神经网络自动学习特征信息。基于深度学习构建的预估模型在一定程度上提高了点击通
随着时代发展和消费体验升级,物业服务的影响力在上升,购房者将物业服务作为购房的重要考虑因素。信息化技术和人工智能技术不断的发展,物业管理行业掀起了一股智慧科技应用热潮,竞争形势越演越烈,物业企业要生存发展壮大,人才已经成为抢占市场份额的重要因素。通过高效的激励手段调动员工工作的积极性,能有效的提高员工业绩,进而影响企业的发展。物业企业对员工进行有效的激励是十分必要的。物业服务企业是劳动密集型企业,
目的 探究股骨干下段骨折顺行与逆行绞锁髓内钉内固定治疗的各自疗效及影响临床骨科医师的选择因素。方法 选取2018年1月至2020年12月我院收治的92例股骨干下段骨折，分成两组，对照组40例患者均采用逆行绞锁髓内钉内固定治疗，研究组52例患者均采用顺行绞锁髓内钉内固定治疗。比较两组患者治疗效果。结果 研究组顺行绞锁髓内钉内固定治疗与对照组逆行绞锁髓内钉内固定治疗的骨折愈合时间差异无统计学意义（P＞
随着数据科学的兴起,流程挖掘得到了更为广泛的关注。流程挖掘的目的在于从事件日志中提取出有用的信息,从而去发现、监控和改进实际业务流程,流程挖掘主要有三大研究领域:流程发现、一致性检查和流程增强。流程发现的目的在于从事件日志中自动地挖掘出流程模型。一致性检查主要用于评估挖掘模型的质量,从而对流程发现方法进行评估。流程增强通过一致性检查的结果对模型进行扩展。一致性检查主要划分为四个质量维度:适应性、精
近年来,自动驾驶逐渐映入人们眼帘,而交通标志检测作为自动驾驶领域中必不可少的一部分,其主要的作用便是通过车载摄像头采集到车辆所处位置前方图像,对图像进行处理后,返回图像中所包含的交通标志信息,如:位置信息、类别信息。然后车载系统或驾驶员可根据获取的交通标志信息采取相应的应对策略。但是由于交通标志本身所处环境的复杂性,如光照、天气、褪色、镜头抖动等外界因素,导致交通标志检测的难度大大提升,而且主流的
软件定义网络（Softwate Defined Network,SDN）是有控制器组成的三层网络架构,目前已经广泛地应用到各个领域中。SDN不仅将控制与转发分离而且还提升了网络集中控制能力,而这些的实现都离不开控制器。SDN控制器作为整个网络的核心组件,其重要性不言而喻。由于控制器的健康状态将严重影响整个网络的可靠性,故针对控制器的故障检测是非常有必要的。基于此,本文的主要工作如下:1.针对变分自