这种改进的Yolo v3的安全帽佩戴识别检测方法应用在建筑行业、
采矿行业等都一些工作环境比较复杂、工作人员比较密集的行业领域。为解决实际工厂安全帽佩戴精准识别问题,采取以下措施对Yolo v3算法模型进行优化。在锚框的选取方式上改用k‑means++聚类算法进行优化,解决了初始质心不稳定的问题。在损失函数的设计上使用GIoU作为边界框坐标回归损失,解决了均方差损失的尺度敏感问题。为了解决正负样本比例不均衡问题,引入Focal Loss,通过降低简单背景类的权重使算法模型更专注于密集小目标物的检测。该模型在精确度、召回率等指标上也均有所提升,满足实际安全帽检测的精度要求。这种改进的Yolo v3的安全帽佩戴识别检测方法主要用在上下班人员高峰期佩戴安全帽识别。
声明:
“基于改进Yolo v3的安全帽佩戴识别检测” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)